无模型隐含波动率的信息含量与定价能力——基于上证50ETF期权的实证研究

本文从上证50ETF期权价格中提取无模型隐含波动率并检验其信息含量,基于随机折现因子理论推导波动率风险的系统性与正负性判定公式,从波动率风险溢酬和相关性两方面验证波动率是否为系统性风险,进而基于A股市场的个股数据检验波动率风险在股票截面收益上的定价能力。研究结果表明：无模型隐含波动率包含BS隐含波动率中的所有信息和历史波动率中的大部分信息,是未来已实现波动率的有效估计;市场波动率为系统性风险因子且存在显著为负的风险溢酬;组合分析表明,对市场波动率暴露较大的股票组合在未来的收益较低,且暴露最大与最小股票组合的收益率之差显著为负,该结论在控制经典风险因子和改变交易策略之后依然稳健;Fama-MacBeth两步法结果表明波动率风险被定价且风险价格显著为负。     

基于Tompkins方法的KMV模型研究

传统的KMV模型使用公司价值历史波动率来近似替代波动率.针对我国股市波动不稳定,尤其是重大经济事件或政治事件的信息披露,以及金融市场上可能存在的影响金融资产价格波动率的季节性或周期性等因素对标的资产市场产生影响较大这一特性,文章把基于历史数据的估计和对波动率变化规律的认识结合起来,综合运用各种定量与定性分析的工具,即运用预测波动率估计的基本思想替代了传统的历史波动率求解方法.实证分析表明,该方法能使模型对信用风险的预测更具准确性和前瞻性.     

"已实现"波动率中最优抽样频率的选择

"已实现"波动率是近年来金融研究领域中的热点问题,而抽样频率的选择对"已实现"波动率的准确度量至关重要.最优抽样频率应能够较好地平衡估计误差和微观结构误差.针对这个问题,文章给出了目前国外采用较多的三类选择最优抽样频率的方法,即波动率特征图法、利用序列相关性确定最优抽样频率的方法和基于最小均方误准则确定最优抽样频率的方法.     

高频数据驱动的连续时间模型估计

现代金融经济学中连续时间模型能够更方便地描述重要经济变量的动态过程如股价、汇率和利率等。为连续时间模型提出了一种高频数据驱动的二阶段估计方法,增强了连续时间扩展模型的弹性和可操作性。以Vasicek模型为例给出了该方法的应用实例,首先在第一阶段使用实现波动率方法估计出模型的扩散项参数,然后使用实际数据的稳态分布的前向方程估计漂移项参数。此方法对模型初始设定和优化算法依赖程度低,结果较为稳定可靠。     

基于股本权证定价效果的最优波动率模型选择

文章以沪深交易所上市的分离交易可转债所附带的权证及其标的股票日收益率和5分钟高频交易数据为样本,在对隐舍波动率模型、已实现波动率模型以及历史波动率模型参数估计的基础上,以股本权证市场价格为评价基准,分别测算了基于三个波动率模型的定价效果.研究发现,基于隐含波动率模型的定价结果具有最小平均绝对偏差与平均相对偏差,模型效果最优；基于历史波动率模型的定价结果对股本权证市场价格普遍低估.     

股票市场价格全矩序列的统计特征

在早期关于波动率估计的研究中,除了依据收盘价的信息之外,人们还提出过一些利用其他公开的价格信息来估计波动率的方法。比如,利用每天的最高价和最低价取对数后之差形成的全矩序列(或称极差序列)原则上可以获得更加精确的波动率估计[1]。我们用Ht和Lt分别表示t期的最高价和最     

多变量随机波动率模型及在中国股市的应用

文章在一维随机渡动率(SV)模型基础上,通过扩展,建立了多个多变量随机波动率(MSV)模型.首次将MSV模型大规模应用于中国沪深两市指数周收益率数据,利用MCMC方法进行模型估计,选用DIC准则进行模型比较,得出拟合程度最好的MSV模型.结果显示,加入波动率单边Granger因果关系的MSVGt-AR(1)模型对沪深两市的拟合能力最好.     

GARCH类模型和状态空间模型波动率预测评价

GARCH类模型和状态空间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.文章首先运用GARCH类模型和状态空间模型对上证指数收益率进行了全面的估计及预测,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回归评价GARCH类模型和状态空间模型的波动率预测表现.     

基于高频数据的沪指波动长记忆性驱动因素分析

借助于高频数据的最优取样法,利用已实现波动率给出的上证指数波动率的有效估计,在研究已实现波动率特性的基础上,用计量模型探讨沪指波动的长记忆特征.发现HAR-RV模型比FARIMA模型更能有效地刻画沪指波动的长记忆性,且HAR-RV模型样本外预测效果远远优于FARIMA模型,这说明沪指波动具有伪长记忆性,表面特征显示的长记忆性是由短期投资、中期投资和长期投资形成的短记忆性叠加而成.同时由于HAR-RV模型综合考虑了不同时间水平上的已实现波动率,从而在深层次上验证了中国股票市场的异质性和波动率的杠杆效应.     

随机波动模型贝叶斯估计效率研究

讨论了四种不同MCMC抽样方案在SV模型贝叶斯估计中的适应性和稳健性问题。蒙特卡洛模拟结果显示,随机误差项的近似处理方式和波动变量抽样结构直接影响SV模型的贝叶斯估计效率。具体来说,波动变量的"成块"抽样比"逐分量"抽样的效率更高;随机误差项有限混合近似比正态近似的估计精度更优。四种抽样方案中,正态近似和FFBS算法的收敛速度和运算时间最快,有限混合近似和FFBS算法的估计精度最优。     

我国燃油期货市场的波动率预测模型

准确描述和预测石油及其相关产品的价格波动对各国政府能源政策的制定以及能源风险管理工作意义重大。文章以上海期货交易所燃油期货的15分钟高频价格数据为例,实证计算了三类代表性波动率模型:已实现波动率模型、随机波动模型以及GARCH族模型对我国燃油期货价格波动的预测值,同时,采用多种损失函数对比了三类波动率模型。实证结果表明,基于高频数据的已实现波动率模型对我国燃油期货市场具有最好的波动预测精度。而就基于日数据的模型而言,随机波动模型要明显强于GARCH族模型。     

基于ARCH类模型的中国经济波动性研究

应用ARCH类模型对中国实际GDP的波动率进行了实证研究,利用准极大似然估计方法QML估计三种ARCH类模型(GARCH、T-GARCH和E-GARCH).实证研究表明:GARCH(1,1)模型是最优的拟合模型.这意味着中国经济波动率是变化的,而且GDP实际增长率是对称的.因此,在经济系统自身还不具备自我稳定功能的条件下,外部干预是保证经济平稳过渡的重要条件.     

运用最小二乘支持向量回归机和CARRX模型对股市波动率的预测

条件自回归极差模型(CARRX)是一类新的描述波动率的模型。为了提高CARRX类模型的预测精度,文章将最小二乘支持向量回归机(LSSVR)应用于CARRX模型。先将CARRX模型转化成ARMAX形式,再利用LSSVR对ARMAX模型的参数进行估计(LSSVR-ARMAX)。通过对沪深300指数的预测实证分析,发现无论是采用直接预测还是迭代预测,LSSVR-ARMAX模型的样本外预测能力均优于Perez-Cruz(2003)提出的方法;LSSVR的估计方法能够在长期预测中捕捉到极差波动率的变动趋势,而CARRX类模型对中短期极差波动率的预测准确度较高。     

基于高维波动率网络模型的股票市场风险特征研究

波动率是金融风险管理研究的重要内容之一。本文基于复杂网络理论和数据挖掘技术提出股票市场的高维波动率网络模型。首先运用互信息度量不同股票价格波动之间的相关关系,其次对股票市场不同周期下的波动情况建立度的中心势、平均距离、幂律分布等网络拓扑指标,再次根据这些指标利用Prim算法构建出高维波动率网络模型,最后运用Newman-Girvan算法对股票价格波动率的相关性进行分层研究。高维波动率网络模型突破了传统波动率模型关于变量维数的限制,能够在依赖少量假设的基础上,挖掘出多个金融市场主体间的相互关系,反映金融市场的风险特征及网络拓扑性质。实证结果发现：与常用的Pearson相关系数法相比,在互信息框架下,股价波动的非线性相关关系得到了更好的度量;股票市场的整体波动性与个股波动率相关性变化趋势相反,市场处在高波动时期资产组合分散化效果较好;网络中存在少量度数大的关键节点和中心节点,风险通过这些节点可以迅速传递到整个市场;股票市场的运行具有明显的行业聚集现象;网络分层研究进一步直观的展现了风险在层与层之间的传递规律和与之对应的行业特征。高维波动率网络模型为挖掘股票市场的风险特征与管理金融风险提供了一个新的工具。     

交易间隔、超高频波动率与VaR ——利用日内信息预测金融市场风险

 金融市场风险价值研究一般采用日收益数据,并基于GARCH类模型进行估计和预测,这必然会损失部分日内信息。本文尝试使用中国股市日内分笔超高频数据,在分析日内波动特性的基础上,通过UHF-GARCH模型对交易间隔等日内信息建模,得到超高频波动率UHFV。本文用ARFIMA模型对超高频波动率UHFV建模,应用到风险价值VaR的预测中,并同基于日数据的GARCH类模型的VaR预测能力进行比较。VaR似然比和动态分位数等回测检验的结果显示,超高频数据波动率UHFV模型的预测能力强于采用日数据的GARCH类模型。     

基于拟似然方法的股票收益与波动率关系及其应用研究

股票市场中收益与波动率的关系研究在金融证券领域起着很重要的作用,而随机波动率模型能够很好地拟合这种关系。本文将拟似然方法和渐近拟似然方法运用在随机波动率模型的参数估计方面,渐近拟似然方法可以避免因为人为的结构错误指定而造成的偏差,比较稳健。本文采用拟似然和渐近拟似然方法对随机波动率模型的参数估计进行了模拟探索,并和两种已有估计方法进行了对比,结果表明拟似然和渐近拟似然方法在模型的参数估计方面有着很好的估计结果。实证研究中,选取2000-2015年标普500指数作为研究对象,结果显示所选数据具有金融时间序列的常见特征。本文为金融证券领域中股票收益与波动率关系及其应用研究提供了一定的启示。     

中国股市的实际波动率

中国股市实际波动率实证研究表明(1)经实际波动率标准化的收益率序列接近于正态分布;(2)对数实际波动率序列的分布近于正态;(3)实际相关系数序列接近于正态分布;(4)实际波动率序列、对数实际波动率及相关系数序列均具有显著的长记忆特征;(5)不同股票的对数波动率序列之间具有显著的相关性.     

中国股票市场预期收益与波动率关系研究

本文根据上海A股市场流通总市值计算波动率,并将整个市场分为上涨阶段和下降阶段以及将波动率分为可预见部分和不可预见部分,来探讨市场收益与波动率的关系.结果表明中国股市是弱有效性,其投资者整体上是风险偏好者,并且投资者在市场下降阶段的行为比上涨阶段的行为复杂得多.     

中国金融市场波动率的实现极差双幂次变差估计

实现极差和实现双幂次变差分别是针对金融市场中日益流行的高频实现波动率的重要改进,文章对一类新的结合了实现极差和实现二次幂变差各自的优点的实现极差双幂次变差估计进行了建模和实证研究,采用来自沪深两市的主要股指日内高频数据的对比研究显示:该波动率估计量不仅能够像实现极差一样准确捕捉到金融市场收益率无条件分布的尖峰厚尾特征,而且能够像实现双幂次变差一样很好的消除其偏态性.     

已实现波动率在我国金融市场的应用前景

作为金融计量学研究的一种新工具,已实现波动率以它独特的优势赢得了学者们的青睐,溶入了金融计量学各个分支领域的研究,并在一定程度上推动着这些领域的发展.然而,这种新兴的方法也不可避免地存在一些问题,有待于未来研究工作的改进和拓展.在我国金融市场未来的发展中,已实现波动率将发挥不可低估的作用.