基于UHF-EGARCH模型的股指期货市场实证研究

利用沪深300股指期货高频数据研究其日内效应和波动性特征.将高频数据所特有的价格持续期引入到GARCH模型中,并考虑到收益率序列波动的非对称性,建立UHFEGARCH模型,分别选取1分钟、10秒钟、1秒钟采集频率的数据进行实证,采用线性样条函数剔除日内效应影响,进一步研究短期波动性,并画出相应的非对称冲击曲线.研究结果表明,基于3种采集频率数据的绝对收益率和价格持续期呈现明显的周末效应和日内效应,绝对收益率的日内效应基本上呈W型,价格持续期的日内效应有U型、L型、W型和倒U型4种形态并存,并不是某种单一的形态;短期波动性具有明显的集聚性和非对称效应,其中坏消息的影响强于好消息的影响.     

连续指令驱动市场的信息交易概率:一种新的方法

通过构造"成交积极性"变量,提出了一种在连续竞价指令驱动市场中估计信息交易概率的新方法,运用有序probit方法和马尔科夫转换技术对模型进行了估计.对该方法与基于PIN框架的经典信息交易概率模型进行比较分析,同时研究了信息交易概率和资产收益波动、报价价差、成交持续期之关系的日内效应.研究结果发现,模型较之基于PIN框架的经典信息交易概率模型对价差具有更好的解释力;信息交易概率和资产收益波动、报价价差、成交持续期等股票交易特征之关系具有显著的日内效应.该结论经过面板回归模型检验具有稳健性.     

沪深 300 股指期货日内避险模型及效率研究

以沪深 300 股指期货 4 种合约连续价格序列的高频数据为对象,检验了在日内高频环境下 OLS、VAR、VECM 和 MVGARCH 等传统避险模型在我国市场中的避险效率,并运用各种静态和动态 Copula 函数导出的非线性相依( nonlinear dependence) 结构,研究了现、期货收益在“尖峰胖尾”和“有偏”分布条件下的避险方法及效率．实证结果表明: 在各类静态和动态避险模型中,MVGARCH 模型具有较高的日内避险效率．但是我国股指期货的避险效率不仅明显低于发达市场的指数期货,而且也低于周边新兴市场的期指水平．另外,与传统期货市场理论相悖的是,沪深 300 股指期货的远期合约反而具有比近期合约更高的日内避险效率．     

基于藤Copula方法的持续期自相依结构估计及预测

本文基于Copula方法对由高频分笔数据得到的交易量持续期进行了研究。应用多元藤Copula方法对连续几个交易量持续期之间的自相依结构进行估计,在此基础上提出了一种新的条件密度函数估计方法,进而给出了交易量持续期的预测。对中国石化高频分笔数据进行实证分析的结果表明,本文模型对持续期的预测能力要明显优于EACD模型,在密度函数预测检验方面,本文模型也有更好的表现。     

中国股市超高频持续期序列长记忆性研究

针对股市超高频持续期序列,提出了长记忆随机条件持续期模型(LMSCD),并设计了一类基于混沌禁忌遗传算法的谱似然函数模型参数估计方法,通过Monte Carlo模拟实验,验证了方法的可行性.然后,利用沪市浦发银行股票的超高频数据,分别建立了交易持续期、价格持续期和交易量持续期的长记忆随机条件持续期模型,验证了中国股票市场超高频持续期序列长记忆性的存在.     

基于金融高频数据的ETF套利分析

目前对ETF的研究大多基于日数据,无法定量研究ETF瞬时套利问题。本文基于华夏上证50ETF和华安上证180ETF二级市场交易的高频数据,分析了ETF跟踪标的指数的日内误差,研究了两只ETF实现无风险套利的市场冲击成本和时间成本。最后利用金融久期分析了ETF二级市场的日内效应及其对套利交易的影响,并建立ACD模型,提供了定量预测实现套利交易时间成本的统计方法。     

已实现波动与日内价差条件下的CVaR估计

随着高频金融数据的获取,已有很多基于高频数据的研究,包括已实现波动率的估计及其分布特征分析等.尝试结合日内高频数据和日收益率数据,基于Copula方法分析了日收益率与"已实现"波动率以及日内价差之间的相依结构.通过分象限对数据进行了Copula拟合,给出了一类特殊数据的联合分布估计方法,进而给出了已实现波动率和日内价差条件下的CVaR的估计方法.最后基于中国股市上证综指和深证成指的高频收益率数据进行了实证分析,并对两种条件下的CVaR方法进行了预测效果的比较,实证结果表明已实现波动率条件下的CVaR预测效果更好.     

协同持续下资产组合最优决策理论与实证研究

马柯维茨(Markwitz)的现代证券组合理论被视为现代金融理论的基石,成为组合投资分散化的理论依据.但在分析的过程中,静态或动态的投资组合选择理论未能充分重视一个关键的问题,即金融资产时间序列的时变性、聚集性与持续性.因此,基于多期滞后随机波动(SV)模型,尝试性地构建金融时间序列协同持续条件下的最优资产组合模型及其参数估计模型.继而基于理论分析,对"1/n"投资策略组合、均值方差组合与协同持续条件下的资产组合的有效性进行比较研究,得到了协同持续条件资产组合的有效性与优越性.这对于资产组合最优决策理论的发展与应用具有重要意义.     

交易量持续期的模型选择：密度预测方法

运用密度预测方法,考虑残差项分别服从威布尔、伽玛和极值分布情况下,选取在上海证券交易所上市的浦发银行和G中海两支股票的高频交易数据,对拟合交易量持续期的对数自回归条件持续期(LOG-ACD)模型、随机条件持续期(SCD)模型和马尔科夫转换自回归条件持续期(MSACD)模型进行了评价比较研究。研究表明,绝大部分模型捕捉到了交易量持续期的聚集性特征;MSACD模型无论在模型样本内拟合还是模型样本外预测方面,均优于LOG-ACD模型和SCD模型。     

一种基于动态关系辨识算法的短期预测方法

针对目前众多短期预测问题中存在的业务数据波动性增大、预测结果影响因素增多等问题,结合自适应建模技术,提出了一种基于动态关系辨识算法的统计类短期预测方法。该方法首先根据预测问题提出动态关系模型,然后结合不断更新的业务数据和最佳预测精度值,对模型参数和模型结构系数进行动态调整,从而使得决策者能够始终基于模型的最优状态获得预测结果。研究结果表明:针对波动性较大的业务数据,该方法自我调整能力较强,对近期数据的跟踪性较好,鲁棒性强,易于推广应用。     

基于时变跳跃次数的基准利率风险测算研究

各国央行包括美联储的利率调整和变动就是基准利率风险.基准利率的变化势必要导致金融资产定价的变动和风险溢价.本文通过自回归模型AR测算随时间变化的利率跳跃次数,确定基准利率跳跃的概率,利用伽马分布和正态分布分别测算基准利率跳跃的时间与幅度,根据利率跳跃的概率、时间和幅度确定基准利率跳跃风险溢价,建立基于时变跳跃次数的基准利率跳跃风险溢价测算模型,并利用中国上海证券交易所国债7天回购利率数据进行实证研究.本文创新与特色:1)通过自回归模型AR测算时变的利率跳跃次数,测算利率发生跳跃的概率,确定基准利率跳跃风险溢价,揭示跳跃次数的动态变化规律,反映历史利率跳跃行为对未来利率跳跃行为的影响,改变现有研究以常数跳跃次数测算利率跳跃概率、无法真实反映利率跳跃的频繁程度,导致利率跳跃概率及利率跳跃风险溢价测算不准的弊端.2)研究表明,现有研究的常数跳跃次数仅仅是本文跳跃次数测算模型在参数ρ、γ等于0时的特例.3)通过利率跳跃的概率、时间和幅度确定基准利率的跳跃风险溢价,解决基准利率跳跃风险补偿的测算问题.     

金融波动的赋权“已实现”双幂次变差及其应用

金融波动是金融研究中的热点问题。金融高频数据比低频数据包含了更丰富的日内收益波动信息,因此对金融高频时间序列的研究成为金融领域中备受关注的焦点。"已实现"波动是利用高频数据计算金融波动率的全新方法,目前在金融高频数据的研究中应用十分广泛,但它具有误差较大和不稳健的缺点,因此各种改进方法应运而生,其中"已实现"双幂次变差克服了"已实现"波动的不稳健的缺点。本文提出赋权"已实现"双幂次变差的概念,不但继承了"已实现"双幂次变差的稳健性,而且满足无偏性和最小方差性,通过理论证明和实证研究都表明其能够更准确的度量金融波动率。     

基于LSTM神经网络的金融时间序列预测

本文提出将小波分析与纳入时间序列依赖特征的长短期记忆（LSTM）神经网络相结合，构建金融时间序列数据预测模型，以克服现有模型对金融时间序列数据非平稳、非线性、序列相关等复杂特征以及数据间非线性交互关系无法反映的缺陷。同时，以道琼斯工业指数日收盘价为例，探究LSTM神经网络对实际金融时间序列数据的预测能力，比较其与多层感知机、支持向量机、K近邻、GARCH四种模型的预测效果。实证结果表明LSTM神经网络具有更高的预测精度，能够有效预测金融时间序列数据的长短期动态变化趋势，说明了其对金融时间序列数据预测的适用性与有效性。此外，对金融时间序列数据进行小波分解与重构，可有效提高LSTM预测模型的泛化能力，以及对长短期动态趋势的预测精度。     

基于动态因子Copula模型的行业间系统性风险分析

国际金融市场间的相关关系以及系统性风险受到很多学者的重视，本文则以我国股市的行业指数作为研究对象进行实证研究。通过构建动态因子Copula模型，文章对行业的日收益率数据进行了动态相关性分析，并基于风险预期占比度量了我国行业之间系统性风险的溢出效应。本文分析了2006年1月4日至2016年7月1日的28个行业指数数据，基于GAS动态负荷因子的变化路径来刻画其相关关系，通过风险预期占比来研究行业间的风险溢出效应。研究表明，各个行业指数收益率之间存在较强的关联性。就单个行业来说，化工行业与其他行业关系最为不稳定。就金融与非金融行业而言，金融行业对非金融行业的影响较大且较为平稳。本文所得研究结果可以为投资者和风险管理者在进行决策时提供一定的指导。     

国家风险动态性的多尺度特征提取与识别:以OPEC国家为例

国家风险是经济活动主体在国际业务中所面临的来自其他国家的风险, 深入研究其内在特征, 对于理解和把握国家风险的动态演化规律有着重要意义。鉴于国家风险复杂易变的特点, 本文提出了一种基于"分解重构"思想的多尺度特征提取与识别的研究框架, 利用Ensemble EMD方法将原始国家风险值分解到短期、中期和长期三个时间尺度上, 引入方差贡献率、相关系数和Shapley值刻画各尺度与原始国家风险序列间的波动特征、模态特征以及全局重要度。以12个OPEC石油输出国为样本, 实证结果发现:利用各尺度的模态特征和波动特征可以很好地实现样本国国家风险的分类管理, 且分类具有较好的一致性;由Shapley值获得不同尺度的全局重要度, 对于全部样本国呈现出一致且稳定的内在固有特征, 即短期、中期和长期三尺度对国家风险的"贡献度"约为1:1:3。这不仅能够为国家风险管理提供了更为丰富的动态特征信息, 而且对于更为全面的国家风险特征识别、监测与预测提供了一种新的研究方法。     

基于文本先验信息的贷款信用风险评估模型

本文利用现有信用风险研究所蕴含的信息，构建了一个新的贷款信用风险评估模型—PIPL。该模型先通过文本挖掘技术对现有研究进行文本信息搜集，得到关于信用风险指标的先验词频以体现指标的重要性，再通过惩罚变量选择法将先验词频量化为先验因变量，最后基于先验因变量和原始数据构建模型，并通过弹性网筛选风险指标。模拟分析显示PIPL模型能自动识别先验信息的质量，当先验信息质量高时，它赋予先验信息较高的权重，从而改进了指标选择和分类效果，当先验信息质量较低时，它能自动降低先验因变量在模型中的权重，表现出稳健的分类效果。实证分析从知网挖掘123篇文献获取文本信息，并以P2P网贷数据为例，发现PIPL模型通过先验信息提高了分类的准确性，并表现出了良好的稳健性。     

国际金融危机潜在传染源的识别及其传染力分析

亚洲金融危机和希腊债务危机表明中小国家也可以引发严重危机，这种现象不容忽视。基于复杂网络理论，使用2007年国际贸易数据构建了包含148个国家和地区的全球宏观经济网络；利用S.I.R模型模拟了各国在发生不同等级的金融危机时所影响到的国家数量和经济总量，发现不同国家传染力的差异存在一定的区域特征，许多经济总量不大的国家也具有引发严重危机的潜力；使用动态聚类法对各国的传染力进行分类，处于类别1至类别4的国家为国际金融危机潜在传染源；通过计算传染力与GDP、进口和网络拓扑结构指标的Spearman相关系数发现，GDP、进口较大以及聚类系数小的国家在低危机等级时就表现出一定的负面溢出；而贸易伙伴较多以及处于网络中心位置的国家在较高的危机等级下具备引发严重危机的潜力；使用2009年的数据进行模拟，本文的主要结论依然稳健。     

生猪产业链价格的区制转移与非线性动态调整行为研究

准确刻画生猪产业链价格的动态行为特征是预测生猪市场价格变化趋势的基础,也是政府制定切实可行的生猪价格稳定政策的重要依据。本文以1994年6月至2018年6月中国生猪价格和猪肉价格月度数据为研究对象,运用多区制平滑转移自回归模型划分了生猪价格和猪肉价格序列的区制并实证分析了其区制转移特征;结合多区制平滑转移自回归估计方程的特征根和非线性脉冲响应分析进一步探究了生猪价格和猪肉价格的非线性动态调整行为特征。研究结果表明,生猪价格遵从一个三区制的平滑转移过程,猪肉价格则为一个四区制的平滑转移过程。生猪价格仅在低价位区和高价位区具有较强的持续性,而猪肉价格则在价格低迷区、价格坚挺区和价格恢复区均具有较强的持续性。从区制转移路径上来看,生猪价格很容易从中等价位迅速暴跌到低价位,猪肉价格倾向于由价格下跌区向价格低迷区转移以及由价格恢复区向价格坚挺区转移。随机冲击对猪肉价格的影响持久且具有微弱的"自我调节机制",对生猪价格的影响具有持久性但缺乏"自我调节机制";短期内,随机冲击对生猪市场价格波动起到正向促进作用,在长期,随机冲击对生猪价格主要体现为负效应,对猪肉价格整体表现为正效应。     

信用风险的动态测量方法

本文提出了以市场波动性为基础的信用风险的一个动态量度框架.首先,通过把市场运动对信用暴露的影响量化,使得在信用风险的量度中融合了市场风险的因素,具有了动态的特征;其次,采用广义违约的概念,通过对基于历史数据的累计违约概率表进行拟合,得到了具有长期稳态的转移矩阵,由此得到的违约概率也具有动态属性;再次,根据有关金融产品优先级的历史数据,可以估计得到回收率;最后,把三者结合,得到了信用风险(信用损失)的动态量度,并对该量度框架的实际应用进行了探讨.     

金融危机10年来中国股市动态演化与市场稳健研究——一个基于复杂网络视角的实证

将复杂网络理论最小生成树（MST）算法和滑窗分析相结合，在2008年全球金融危机和2015年中国股市震荡的背景下，以2003年至2017年的上证A股收益率数据作为实证样本，构建股票市场动态关联网络，并从网络节点移除和连边变化两个角度出发，对其在不同时期的动态演化特征和市场稳健性质进行探讨。研究结果表明：网络结构整体上在金融危机之前和之后较为松散，而在金融危机和股市震荡期间则变得非常紧凑，节点的度分布和影响强度分布更加聚集。这意味着在金融危机和股市震荡期间，系统重要性公司的影响力持续增强，其股价的变化对其它公司将产生更为显著的影响；不同类型的事件对股市网络连通性和稳健性的影响程度不同，区域性事件（股市震荡）比全球性事件（金融危机）对市场的冲击更大；短期来看，金融危机和股市震荡对网络连边的稳健性并没有造成太大的冲击，整个研究时段网络的存活比率都维持在较高的水平。但随着步长的增加，网络的存活比率急剧下降，这意味着股市网络相关结构的长期稳健性是减弱的。