宏观经济指标、技术指标与国债期货价格预测——基于随机森林机器学习的实证检验

分别以筛选的4种技术指标和6个宏观经济指标作为国债期货指数预测变量,利用随机森林算法构建4种机器学习预测模型;依据价格波动集聚性设计跟踪交易规则,通过比较4种模型的预测精度和跟踪交易收益率,检验宏观经济指标、技术指标和随机森林算法对国债期货指数的预测能力。研究结果发现:用主成分精选技术指标构建的预测模型,对国债期货指数的跟踪交易收益率虽然明显优于市场收益率,但不如遵循单个技术指标经验交易规则的跟踪交易收益率;用主成分精选技术指标和宏观经济指标构建的模型能够取得很好的预测精度和跟踪交易收益率,这表明宏观经济指标与技术指标都对国债期货价格具有预测意义,可以利用随机森林机器学习算法构建有效的国债期货量化投资模型。     

基于BP神经网络的股指收益率预测研究——以高频数据为样本

高频金融数据和金融资产收益率是金融计量学的一个全新的研究领域。目前，国内学者利用年、月、日等低频数据对股票市场的收益率进行了很多的研究，但是以日内高频数据为基础的研究还不多见。如何较准确地预测基于高频数据的股票收益率是进一步深入研究金融市场的基础，论文采用数据挖掘中的BP神经网络对沪深300指数高频数据中的日内收益率进行建模与预测。结果表明：神经网络模型对股票高频数据的日内收益率具有很强的预测能力。     

基于动态Copula的社保基金投资风险测度

考虑到现阶段社保基金主要投资于股票和债券,以“社保重仓”和国债指数构建投资组合代表社保基金投资组合,基于GARCH-时变copula模型测度社保基金投资组合的动态风险。实证研究发现：“社保重仓”和国债指数间的相关性具有较强的持续性,两者间相关性的变化与股市的波动具有一致性;时变Copula模型的VaR预测效果优于非时变模型,时变t-Copula的建模效果最好;以经风险调整的收益率（R-vaR）为判断标准,若4％的社保基金投资于股票,96％的投资于债券,社保基金投资达到了最优组合。     

时变三因子模型风险系数的动态研究

由Fama和French提出的三因子模型能够较好地解释股票的收益率风险溢价。文章以状态空间模型为框架,将风险因子系数作为状态变量,市场风险溢价作为观测变量,构建时变三因子模型来应对股票市场价格的时变特征。研究结果显示,利用卡尔曼滤波来估计时变风险因子系数,增强了估计结果的准确性与连贯性;风险因子系数变化规律与中国A股市场政策和环境影响相吻合,消除非理性噪声后的时变三因子模型更具有解释力度。     

基于Copula-GARCH模型的公司债与股票收益率相关性分析

文章从微观角度出发,利用Copula-GARCH模型解释公司债和股票收益率之间的时变和相关关系.结论表明,公司债收益率和股票收益率序列之间具有负相关关系,说明存在“安全资产转移”现象.通过观察相关参数p进一步研究股债收益率之间的时变关系,发现以往的股票收益率变化对股债相关关系影响较大,ρ会随着收益率绝对值的增加而增大,股债投资组合市场风险随之加大.     

波动率模型在中国股市中的应用研究

文章对上证综合指数收益率和深证成分指数收益率进行统计分析,运用GARCH,EGARCH,TARCH模型对其进行建模,发现股票收益率序列所存在的尖峰厚尾现象、波动聚类特性以及杠杆效应,通过比较不同的模型发现非对称模型的拟合效果最为理想;另外通过采用三种不同的损失函数评价各类模型的预测效果,结果表明,非对称模型样本外预测的能力也是最强的.     

基于GARCH族模型的分级基金波动性分析

文章选取中证稳健股票、进取股票和进取债基三大分级基金指数系列的日收益率序列作为研究样本,运用GARCH族模型研究不同类型分级基金收益波动特征.根据AIC准则确定各指数收益率的残差分布与最佳ARIMA-GARCH族模型,并在此基础上,用GARCH-M模型研究波动与收益的关系,用TGARCH模型与EGARCH模型研究波动的非对称性.结果表明:分级基金指数收益率均具有明显的波动聚集性,市场存在强烈冲击,稳健股基具有显著的反向杠杆效应,稳健股基与进取债基有正的风险溢价.     

VaR-GARCH模型下的最优投资决策

文章根据股票收益率的历史数据建立了相应的ARMA-GARCH模型;利用该模型预测下一阶段股票的收益率和波动率.在此基础上建立了关于最优投资策略的选择均值-VaR模型,即在VaR风险水平限制下最大化期末的期望收益;求解模型得到最优投资策略的解析表达式,并且还得到了最优投资策略下期末的期望收益以及有效边界的表达式.     

基于混频模型的CPI短期预测研究

传统的CPI预测模型都是基于相同频率的月度数据,金融市场的高频日度数据需要转化为月度数据才能使用。这会忽略日度变量所包含的CPI短期走势信息。为充分利用这些信息,本文基于自回归混频数据抽样模型同时考察了金融市场一阶矩收益和二阶矩波动的日度信息对CPI的短期走势预测的影响。结果表明,股票收益、短期利率和长短期利差变化量仅在收益水平上对CPI短期走势产生影响,而长期利率、粮食和能源商品市场的收益和波动都有助于CPI短期预测,而且收益对CPI的影响要比波动更加持久。相对于传统的月度时间序列建模方法,本文的混频CPI模型具有更好的样本内解释能力和样本外预测能力。另外,引入二阶矩波动的日度信息在一定程度上能更多地降低预测偏差。     

线性时变参数DGM(1,1)变权组合预测模型

文章为了提高统计组合预测的拟舍和预测精度,根据线性时变参数离散灰色预测模型的初值优化方法,给出了几个线性时变参数DGM(1,1)模型作为单项预测模型,进一步利用这些单项预测模型建立了一类变权线性时变参数组合预测方法.最后,将变权重线性时变参数组合预测方法应用于新疆生产建设兵团城镇化发展水平的组合预测,实例结果表明变权重线性时变参数组合预测方法具有较高的拟合精度.     

基于混频数据的实体经济与金融市场时变溢出效应研究

本文基于混频VAR模型分析了中国实体经济与股票市场、债券市场之间的时变溢出效应。结果显示,实体经济与股票市场、债券市场之间收益率与波动率的溢出效应呈现显著的时变特征,溢出效应在金融危机期间呈现快速上升趋势,而后呈现下降态势,且易受到极端事件的影响;在大部分考察时期内存在股票市场向实体经济的波动率溢出效应,而债券市场相对于实体经济则从考察初期波动率溢出效应的净输入方转化为中后期的波动率溢出效应的净输出方。进一步分析收益率与波动率总溢出指数的影响因素,结果发现,极端事件、宏观经济代理变量和期限利差对于溢出效应具有正向影响,泰德利差对波动率总溢出指数具有负向影响,而投资者情绪指数对收益率总溢出指数具有负向影响。     

Conditional Correlation Models of Autoregressive Conditional Heteroscedasticity With Nonstationary GARCH Equations

In this article, we investigate the effects of careful modeling the long-run dynamics of the volatilities of stock market returns on the conditional correlation structure. To this end, we allow the individual unconditional variances in conditional correlation generalized autoregressive conditional heteroscedasticity (CC-GARCH) models to change smoothly over time by incorporating a nonstationary component in the variance equations such as the spline-GARCH model and the time-varying (TV)-GARCH model. The variance equations combine the long-run and the short-run dynamic behavior of the volatilities. The structure of the conditional correlation matrix is assumed to be either time independent or to vary over time. We apply our model to pairs of seven daily stock returns belonging to the S&P 500 composite index and traded at the New York Stock Exchange. The results suggest that accounting for deterministic changes in the unconditional variances improves the fit of the multivariate CC-GARCH models to the data. The effect of careful specification of the variance equations on the estimated correlations is variable: in some cases rather small, in others more discernible. We also show empirically that the CC-GARCH models with time-varying unconditional variances using the TV-GARCH model outperform the other models under study in terms of out-of-sample forecasting performance. In addition, we find that portfolio volatility-timing strategies based on time-varying unconditional variances often outperform the unmodeled long-run variances strategy out-of-sample. As a by-product, we generalize news impact surfaces to the situation in which both the GARCH equations and the conditional correlations contain a deterministic component that is a function of time.     

The Distribution of Stock Returns When the Market Is Up

Abstract

For some investments, the relation between stock returns and the market proxy is conventionally described by a linear regression model with the normality assumption. This paper derives the distribution of stock returns for a security in an upgrade (or downgrade) market with the assumption that the log stock returns of the market proxy follow a mixture of normal distributions. We discuss MLE and the method of moment estimation for parameters involved in the model. An analysis of stock data in Johannesburg Stock Exchange is included to illustrate the model. This note explains the phenomenon in financial analysis regarding the shape of the distribution of long-run stock returns limited on an upgrade or downgrade market index.     

A dynamic analysis of stock markets using a hidden Markov model

This paper proposes a framework to detect financial crises, pinpoint the end of a crisis in stock markets and support investment decision-making processes. This proposal is based on a hidden Markov model (HMM) and allows for a specific focus on conditional mean returns. By analysing weekly changes in the US stock market indexes over a period of 20 years, this study obtains an accurate detection of stable and turmoil periods and a probabilistic measure of switching between different stock market conditions. The results contribute to the discussion of the capabilities of Markov-switching models of analysing stock market behaviour. In particular, we find evidence that HMM outperforms threshold GARCH model with Student-t innovations both in-sample and out-of-sample, giving financial operators some appealing investment strategies.     

流动性信息与资产收益：基于非参数模型的分析

本文首先从全新的角度给出市场深度指标的求解方法,然后结合条件资产定价模型和自回归条件异方差模型的优势建立半变系数模型,并应用于我国股票市场每日收益率的研究,得出四点判断：1、通过非参数方法求解得到的指标值具有显著的平稳性。2、流动性信息的时变性对股票市场存在显著的非线性冲击,而且流动性信息的持续性变化与收益之间存在负向关系。3、得到和经典资产定价模型相同的结论,即市场综合指数对个股具有显著的影响。4、模型验证了流动性信息通过波动性将信息非线性传导给投资者的假设,伴随着流动性信息的时变性,投资者所得到的风险补偿也具备时变性。5、通过实际数据的验证,我们所建立的半变系数模型能够较好的解释流动性信息的传递,也为我们以后的实证研究提供了一个估计和检验流动性信息传导和时变型风险补偿的新方法。     

VIX指数对股票市场间联动性影响的实证研究

近期金融危机频繁发生,国际金融市场之间的动态联动性成为一个重要的研究课题。以往学者大都直接研究金融市场间的相关性,而忽略了外生金融变量对金融市场间相关性的影响。本文将对上述问题进行研究,借鉴Silvennoinen和Terasvirta(2015) STCC模型的思想,假定Copula参数受外生变量的影响,建立时变动态Copula模型——ST-VCopula模型,并基于该模型探究市场波动率（VIX指数）对股票市场之间相关性的影响,进而对几个国家的股票指数数据进行了实证分析。实证结果表明VIX指数对股票市场间联动性产生了显著的影响。VIX指数的获取简单便捷且更为直观,为市场间动态联动性的研究提供了另一种途径,可以为投资者在进行分散投资等金融活动时提供一定的指导和建议。     

沪深A、B股市场信息传递路径实证分析

运用计量经济学中的ARCH-LM检验、GARCH模型、Granger引导关系检验等分析方法，实证分析了B股市场对境内投资者开放前后沪深两市A指收益率序列与B指收益率序列和非预期收益率序列的Granger引导关系，给出沪深A、B股市场信息传递路径，并且指出从信息流动角度来说，A、B股市场整合的方式是从A股市场向B股市场的内幕消息的传递和从B股市场向A股市场的投资理念的趋同。     

中国上市金融机构关联性度量及影响因素分析

本文结合非对称斜率模型与单指标分位数回归，构建了中国上市金融机构的尾部风险网络，从而刻画中国金融市场尾部风险关联性的时变特征，并基于金融机构层面探讨尾部风险关联性的影响因素。研究表明，中国金融系统的总关联性与部门内关联性在金融危机与股灾期间显著上升，其中保险的部门内关联性为银行、保险、证券三部门中最高，而部门间关联性远小于部门内关联性，部门间的风险传染效应较为微弱。研究还发现投资活动是金融机构形成尾部风险关联的重要渠道，投资业务占比过高的机构应予以更多监管。     

金融证券价格指数体系三维一体研究

一、问题的提出笔者认为,经济指数体系大致上可分为两类：一是各种普通商品和劳务价格指数体系,对此类指数体系已有很多研究;二是金融证券价格指数体系,主要由股价指数、基金价格指数和国债价格指数等构成,国内对这一指数体系研究甚少,有些甚至是空白。因此,本文研...     

行业投资者情绪的测量及其对收益的影响效应研究

投资者情绪对行业收益影响研究的关键在于行业情绪的测量。基于封闭式基金折价、交易量、波动率、行业beta值和每股流通市值这5个单项情绪指标提取主成分,构建了23个申万一级行业的投资者综合情绪指数(IICSI),并通过面板数据模型分析了各行业的投资者情绪对收益的影响效应。实证结果表明,投资者情绪对当期收益具有短期、中期和长期的正向激励作用,但对预期收益则只在短期和中期表现出正向效应,而在长期反转为负向的抑制效应,并且情绪对当期收益和预期收益的影响都具有显著的行业差异性,最后基于情绪对预期收益的行业影响差异构建了不同投资期限下的套利策略。