区间均值条件波动率模型

本文讨论了有、无冲击（Innovations）对资产波动率的不对称性影响,它是现有研究关于正、负冲击不对称性影响的扩展。本文以GARCH模型为基础,假设条件均值为一个区问,建立了基于区间均值的GARCH模型及其非对称形式,并讨论了该类模型的估计方法。在中国债券市场的实证分析中发现,本文提出的模型能够更好地捕捉市场上波动特征;以已实现波动率为基准,区间均值GARCH模型取得了比GARCH模型更好的预测效果。     

基于价格极差的金融波动率建模： 理论与实证分析

经典的波动率模型(GARCH等)是收益率为基础的模型,利用的是收盘价信息,忽略了价格波动的日内信息,这将导致信息与效率的损失.为了弥补这一缺陷并获得满意的波动率预测效果,本文引入并扩展了基于价格极差的自回归波动率模型.实证研究表明新模型能够有效刻画波动率的动态变化规律,其预测效果一致性地优于经典的GARCH模型.同时,我们的研究还证实了在波动率模型中加入收益率的滞后项能够提高模型的解释能力,并且存在明显的"杠杆效应".     

利率期货推出对现货市场的冲击效应——基于香港市场的经验证据

新兴市场利率期货的引进,对现货市场的动态波动和信息传递一定的冲击效应。本文针对香港市场90天利率期货,应用自回归条件异方差模型(GARCH)和方差比模型(VR),检验利率期货推出前后对现货市场的波动冲击与消息传递效果。实证结果显示,利率期货推出后波动性干扰所造成的影响效果有更快速地向正常水平调整的现象,波动性干扰半衰期大幅减小,但波动率显著增加。同时,利率期货引入后现货市场的收益率序列几乎接近于随机游走过程,所有的信息都立即反映在价格上,信息传递效率提高。     

引入外部冲击的中国铜期货市场高频波动率建模与预测

在中国经济逐渐全球化的背景下，引入外部冲击对中国有色金属期货市场的高频波动率进行建模和预测，有利于提高对中国有色金属价格波动的预测能力。本文将外部冲击信息引入HAR-RV-CJN模型，以中国上海期货交易所铜期货高频数据样本为例，对模型的拟合效果进行实证检验，并基于自举法的SPA检验，评估高频波动率模型的预测精度。结果表明，外部冲击变量在长期内对期铜已实现波动率的预测产生重要影响，引入外部冲击信息后的HAR-RV-CJN-ES模型相比于HAR-RV-CJ模型和HAR-RV-CJN模型，拟合效果和预测精度在长期都有了显著提高。     

GARCH类模型波动率预测评价

GARCH类模型已经广泛运用于波动率的预测,但对模型的预测表现进行评价却受到了忽视,其主要原因是缺乏合适的衡量标准。本文首先运用GARCH类模型对上证指数收益率进行了全面的估计及样本外预测,然后以已实现波动率作为波动率预测的评价标准,通过M-Z回归和损失函数来评价GARCH类模型的波动率预测表现。结果表明,无论是样本内还是样本外,GARCH类模型都能够较好的预测上证指数的收益波动率。其中,偏斜t-分布假设下的GJR(1,1)模型的预测能力最强。     

“特质波动率之谜”与估计模型有关吗？

以CAPM、Fama-French三因子和五因子模型为均值方程,分别采用无条件标准差,以及GARCH、EGARCH条件方差为基准计算出中国股票市场的特质波动率,研究了特质波动率与股票收益率之间的关系。研究发现,关于高特质波动风险对应低预期收益的定价异象来源于特质波动率估计模型的差异。具体地,当使用无条件标准差方式估计特质波动率时,存在定价异象,而使用GARCH、EGARCH等条件方差模型估计特质波动率时,则不存在定价异象。该结果在改变残差估计均值方程以及控制规模、流动性等其它变量后依然稳健。本文的研究有助于解释长期困扰在资产定价领域的“特质波动率之谜”。     

嵌入GARCH波动率估计的B1ack-Litterman投资组合模型

在B1ack-Litterman投资组合模型中，为了更有效地估计风险资产的期望收益和波动率，引入了投资者的主观观点，这种处理确实能提高均值-方差投资组合模型的性能。但是在实践中，如何度量投资者观点成了另一个难题。为了克服这一困难，我们将GARCH波动率估计嵌入到B1ack-Litterman模型中，通过使用GARCH模型的预测能力来替代投资者主观观点，从而获得一个新的投资决策模型。作为应用，分别考虑了国内外真实市场数据测试情形，通过实证结果发现，嵌入了GARCH波动率估计后，Black-Litterman模型的性能可进一步得到很好提高，样本外平均收益率、波动率和夏普比等指标，均要好于一些传统模型。     

基于期权与高频数据信息的VaR度量研究

传统的市场风险度量模型没有充分利用期权与高频数据包含的信息,且主要基于单因子波动率模型,导致信息的损失以及模型缺乏足够的灵活性.本文基于灵活的双因子随机波动率模型,通过提取期权与高频数据包含的市场前瞻与当前信息,构建相应的市场风险度量波动率模型对在险值（VaR）进行度量.为了估计模型参数,建立基于连续粒子滤波的极大似然估计方法.采用iVX指数与已实现波动率测度（RV）作为上证50ETF期权与高频数据信息的代理,对构建的市场风险度量波动率模型进行了实证检验,结果表明：充分利用了期权与高频数据信息的双因子随机波动率模型能够在快速变化的市场环境中更好地估计波动率,相比其它波动率模型（仅利用了历史数据信息的GARCH模型、利用了高频数据信息的已实现GARCH模型以及利用了期权与高频数据信息的单因子随机波动率模型）具有更为优越的VaR度量精确性,尤其是极端风险情形下的VaR估计精确性改进明显,凸显了期权与高频数据信息以及双因子波动率在市场风险管理中的价值.     

经济政策不确定性与我国股市波动率预测研究

股票市场的波动与实体经济走势以及宏观经济政策密切相关.因此,以Baker的经济政策不确定性(economic policy uncertainty,EPU)指数和我国股市代表性的股价指数——上证综指为对象,运用广义自回归条件异方差混频数据抽样(GARCH-MIDAS)模型,分析了经济政策不确定性对上证综指波动率的影响,并运用该模型与常见的多种GARCH族模型进行了样本外波动率预测的对比研究.实证结果表明,EPU指数能够很好地解释我国股市波动的长期成分,并显著改善对上证综指波动率的预测精度;同时,模型信度集合(model confidence set,MCS)检验结果进一步证实,基于混频数据的GARCH-MIDAS模型能显著打败常见的多种GARCH族模型.     

实际波动率与GARCH模型的特征比较分析

金融资产价格的波动率的测度具有重要意义,实际波动率(Realjzed Volatility)概念是近些年提出的用于测度市场波动率的新概念,在诸多方面具有优势.本文利用上海证券市埒的高频数据,比较了两种不同的波动率模型--RV模型和GARCH模型--的性能表现.本文首先介绍了连续时间状态下实际波动率的概念和模型,然后建立了GARCH(1,1)模型,使用日收益率对GARCH模型进行估计,得到条件方差方程,分别用日收益平方和日内累计收益平方和作为波动率指标对收益平方-波动方程进行回归,并以回归决定系数来衡量波动率拟合水平的优劣,结果发现采用高频数据的回归决定系数比原来提高了两倍,这个结果与已有的实证分析结果基本一致,最后,我们将实际波动率的计算结果与GARCH模型的结果经标准化后进行了对比,发现实证研究结果表明,实际波动奉模型比传统的GARCH模型提供了更好的拟合.     

基于向量GARCH模型的国际证券市场波动溢出研究

以向量GARCH模型为基础,研究了国际证券市场中上海A股市场、香港市场和美国市场的均值溢出效应和波动溢出效应,并且给出了中国证券市场发展的政策建议。研究结果表明,三个市场均不存在单向的均值溢出效应,上海A股市场和美国证券市场存在双向的波动溢出效应。上海A股市场和美国证券市场存在波动溢出效应,反映了中国资本市场和美国资本市场融合程度的加强。     

“马钢”可分离转债定价实证分析

以国内首支认股权和债券分离交易的可转换公司债券——马钢可分离转债为样本,从实证角度对其进行了定价分析。考虑了这次可分离转债的特点,采用历史波动率、GARCH(1,1)模型波动率和隐含波动率3种不同估计方法来计算波动率,利用修正的B-S权证定价模型进行转债权证部分定价,并和市场真实价格进行比较,详细分析比较3种波动率的定价效果。在运用修正的B-S权证定价模型时,考虑了公司总股本价值因可分离债券发行的增加,同时采用公司股权波动率进行计算,检验了修正B-S权证定价模型对马钢认股权证定价的有效性,实证证明采用隐含波动率或GARCH模型具有较好的定价效果。     

基于GARCH模型和SV模型的VaR 比较

简单介绍了VaR 的含义及计算方法,指出推测市场因子的波动情况是计算VaR 的关 键. 通过对比GARCH 和SV 模型,得出SV 模型更能刻画金融市场的实际特征. 将随机波动SV 模型应用于VaR 的计算,最后作实证研究. 通过与GARCH 模型下的结果对比,说明基于SV 模 型计算的VaR 更具有动态性和准确性,VaR 更贴切地反映了金融市场的风险水平     

基于GARCH模型和SV模型的VaR 比较

简单介绍了VaR的含义及计算方法,指出推测市场因子的波动情况是计算VaR的关键.通过对比GARCH和SV模型,得出SV模型更能刻画金融市场的实际特征.将随机波动SV模型应用于VaR的计算,最后作实证研究.通过与GARCH模型下的结果对比,说明基于SV模型计算的VaR更具有动态性和准确性,VaR更贴切地反映了金融市场的风险水平.     

基于混合分布的中国股票波动风险因素的识别与分析

论文用GARCH模型描述股票的波动特性，应用混合分布对中国上市公司按照股票波动特性进行分组，发现中国上市公司的波动特性可以被分为4个子总体。其中，子总体1主要包含表现异常的公司股票，其他三个子总体的参数向量的相关性相似，风险大小不同。应用列联表法分析和多元logistic模型统计分析发现，非国有股权分散公司、制造业公司相对偏向低风险公司，社会服务业、房地产公司相对偏向高风险公司，制造业的公司（股票）波动的持续性相对较低。混合分布是对股票特性进行分组的良好工具。     

中国股市与周边股市波动风险传导效应研究

由于金融资产收益的条件波动率不仅是金融市场风险度量的重要指标,而且呈现出明显的杠杆效应。因此,本文运用能够刻画波动率杠杆效应的LGARCH(Leverage GARCH)模型对金融市场条件波动率进行建模分析,进而运用Granger-Causality检验分析了中国股市与周边股市波动风险的传导效应。实证结果表明,在整个样本区间,上海股市与周边重要股市的联系比较微弱,仅与香港股市存在一定的风险传导关系,而与东京、新加坡股市却不存在传导关系。然而,在我国股市对境外合格机构投资者(Qualified Foreign Institutional Investors,QFII)开放后,中国股市与周边股市的波动风险传导关系明显异于对QFII开放之前和整个样本期的风险传导关系,上海股市与香港、东京、新加坡股市间的波动风险传导关系均显著增强。     

基于多分形理论的动态VaR预测模型研究

经济物理学(econophysics)的大量研究表明,金融市场的波动具有复杂的多分形(multifractal)特征,因此准确地测度和预测市场波动,对金融风险管理工作的意义重大。在已有多分形波动率(multifractal volatility)测度及其模型应用基础上,以上证综指10年的高频数据为对象,提出了基于多分形波动率的样本外动态风险价值(out-of-sample dynamic VaR)预测法。通过两种规范的后验分析(backtesting)结果表明,与8种主流的线性和非线性GARCH族模型相比,在高风险水平上,基于多分形波动率测度的VaR模型明显具有更高的样本外动态风险预测精度。     

金融危机前后的汇率波动特征

构建了基于马尔可夫转换—广义自回归条件异方差(MS-GARCH)模型的汇率波动模型,并实证研究了2008年金融危机前后不同经济特征的国家或地区的货币汇率波动转换特征.结果表明:危机期间的突发事件、宏观经济形势的改变、央行干预政策以及国际利差交易行为是汇率波动状态转换的可能原因.本文为辨别金融危机期间汇市的周期变化,分析和预测市场走势,以及为央行干预和政策制定提供了一定的统计依据.