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。     

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.     

高频连涨连跌收益率的相依结构以及CVaR分析

本文通过高频分笔数据定义了高频连涨、连跌收益率,并对两者的边缘分布以及相关特征进行了分析。为了在连涨(连跌)条件下对连跌(连涨)收益率的风险特征或者条件分位点进行分析,首先对两种收益率进行了两种不同的配对,得到两者的联合序列,并应用Copula方法来分析对两种收益率之间的相依结构,进而基于联合分布对条件VaR进行估计。最后对美国市场的BAC和JPM两支股票进行了实证分析,并从CVaR的角度验证了上涨和下跌时的不对称性以及杠杆效应。     

基于时变Copula函数的下偏矩最优套期保值效率测度方法研究

由于下偏矩测度方法具有明显优于最小方差风险度量方法的特征,因此是更为合理的套期保值效率测度准则。本文针对已有的计算最小下偏矩套期保值比率的非参数方法与参数方法存在的局限性问题,提出使用时变Copula函数来估计现货与期货收益率的联合密度函数,然后通过数值方法计算最小下偏矩套期保值比率的新方法。并且运用上海期货交易所交易的铜期货合约价格与上海金属网公布的铜现货价格数据进行实证检验,发现使用具有随时间变化的相关系数的Copula函数,与非参数方法相比,可以得到更小下偏矩的套期保值率。     

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.     

基于局部相关系数和截尾扭曲混合Copula的杠杆效应识别和度量

作为风险资产收益和波动之间关系的度量，杠杆效应是金融市场数据三大分布特征之一，在波动预测、资产定价和风险管理中起着重要作用。日内高频数据计算的已实现波动作为波动的代理变量，解决了波动不能观测的问题，实现了用波动和收益直接建模捕捉杠杆效应。深入了解收益和已实现波动的相关模式并以此构建二者的联合分布是正确度量杠杆效应的关键。本文以局部相关系数为工具研究收益和波动在不同取值范围内的相关性变化，实证研究结果表明，与负收益冲击引起波动增加一样，正收益冲击也会引起波动增加，这与传统杠杆效应理论并不一致，与Chen和Ghysels（2011）对美国股票市场的实证结果一致。为正确捕捉和度量实证结果反映出的杠杆效应，在扭曲混合Copula构造方法基础上，本文用截尾扭曲函数构造扭曲混合Copula，以此作为收益和已实现波动的联合分布，再现收益和已实现波动的局部相关性特征。以上证综指2013.1.29日至2017.4.30区间内日内1分钟高频数据为样本进行实证分析表明，本文构造的Copula函数具有和实际数据一致的局部相关特征，能够正确刻画市场表现出的杠杆效应。Copula拟合优度的非参数检验表明，实际数据不拒绝本文构造的Copula函数，而现有文献采用的单成分Copula函数和两成分混合Copula函数均被拒绝。本文为收益和已实现波动的联合建模提供参考，具有基础重要性。     

基于Copula的两因子Vasicek利率模型实证研究

应用两因子Vasicek模型在状态空间框架下结合卡尔曼滤波技术研究我国上海证券交易所国债利率期限结构.提取1年期和20年期利率的观测误差,在不假设观测误差具体概率分布的条件下,使用非参数方法估计其边际分布,并使用极大似然方法对常用的阿基米德类Copula和混合Copula进行估计,从而确定其相依结构,结果发现Gumbel Copula和混合Copula能较好地描述两者的相依结构.采用蒙特卡罗模拟方法计算国债投资组合的在险价值,发现使用高斯Copula、Frank Copula、Clayton Copula和混合Copula都会明显低估国债投资组合的风险,Gumbel Copula更合适.     

基于极值理论和多元Copula函数的商业银行操作风险计量研究

基于操作风险呈厚尾分布的特征,本文按照巴塞尔协议的要求,采用POT极值模型分别估计了多个操作风险单元的边缘分布,然后用多元Copula函数来刻画这些操作风险单元之间的关联性并计算在险价值。通过对中国商业银行1990-2010年操作风险数据的实证分析表明,Clayton Copula能更好地反映各操作风险单元之间的相关性结构,且采用Copula考虑操作风险相关性下的VaR值要比简单加总下的VaR值减少约32.3%。因此,应用Copula函数计量操作风险相关性,不仅可以提高估计的准确性,还能够达到资产组合的风险分散化效应,减少操作风险资本要求,为商业银行提升盈利能力创造条件。     

超高频数据的日内效应调整方法研究

日内效应在金融高频数据研究中已被广泛证实,是一种日内周期性运动的动态效应,它影响了以微观金融指标为参数的计量模型的准确估计。基于金融超高频持续期数据,本文首先论述了日内效应调整的重要性,然后引入自适应映射(SOM)的方法对日内效应进行调整。SOM是一种基于神经网络学习的特征提取方法,能够动态识别高维数据中的结构特征,克服了静态调整方法的不足。最后通过建立基于自回归条件持续期模型(ACD)的蒙特卡罗模拟实验,比较了三种日内效应调整方法的效果。模拟结果表明SOM方法在日内效应调整中更为有效和稳定,特别适合大数据条件下的周期性结构分析。     

基于C_TMPV的中国股市高频波动率的跳跃行为研究

运用2000年1月4日至2008年12月31日上证综指每5分钟的高频金融数据,采用核估计量估计中国股市高频波动率序列,运用修正的已实现门阀多次幂变差估计中国股市高频波动率的跳跃序列,实证分析中国股市高频波动率跳跃的各种特征,并运用ACD模型、ACH模型以及扩展的ACH模型进一步分析中国股市高频波动率跳跃的持续期的特征.研究结果表明,中国股市高频波动率及其跳跃都具有集聚的特征,高频波动率发生显著跳跃的比例相当高,高频波动率跳跃的幅度、强度和跳跃幅度的分布都具有时变性,而跳跃对高频波动率的贡献却具有相对稳定性;在样本期,中国股市高频波动率跳跃表现出较强的正相关性,且跳跃的持续期存在较强的长记忆性和周日历效应.     

基于高频数据的中国有色金属期货市场量价关系研究

根据Bessembinder和Seguin （1993）的研究成果，将成交量和持仓量分解为可预期部分和非可预期部分，并考虑了正负已实现半方差和成交量、持仓量的不同冲击对期货市场的不同影响，构建了量价关系基础模型、基于成交量和持仓量分解的量价关系模型和量价关系非对称模型，并利用中国铜铝期货高频数据分别对各模型进行实证分析。研究发现，中国有色金属期货市场的价格波动与成交量和成交相对增量均存在正向相关关系，与持仓量和持仓相对增量均存在负向相关关系。预期成交量和非预期成交量均对价格波动有正向影响，但非预期成交量对价格波动的影响更大；预期持仓量和非预期持仓量均对价格波动有负向影响，但非预期持仓量对价格波动的影响更大，即有色金属期货市场的价格波动主要是由代表新信息的非预期成交量和非预期持仓量引起。相比于下偏已实现半方差，成交量和持仓量对上偏已实现半方差有更强的解释力。正的成交量冲击比负的成交量冲击对价格波动的影响更大，持仓量亦是如此。     

公司规模与信息披露的交易量反应

本研究以年报信息披露为事件,考察了交易量反应的公司规模效应。我们的统计分析和统计检验结果表明,与国外发达市场一样,我国股票市场对信息披露不仅在反应大小上与公司规模负相关,而且在持久性上也与公司规模负相关。这意味着市场对不同规模公司的信息披露反应是不相同的,小公司的信息披露含量高于大公司。     

价格持续期、信息传递与市场微观结构——基于非对称ACD模型的实证分析

本文建立两状态价格持续期的非对称对数自回归条件持续期模型,引入买卖价差、交易量、交易规模、指令流等信息交易间接度量变量,在刻画条件期望价格持续期对价格上升和下降两种状态的不对称依赖关系的同时,探讨价格持续期的信息传递机制并检验微观结构相关假说。实证分析表明,在选取样本中,滞后买卖价差与滞后交易量与条件期望价格持续期显著负相关;滞后买一(卖一)指令申报数量与条件期望价格持续期具有显著相关性,其符号由当期价格状态决定;大规模交易比中等规模交易对条件期望价格持续期有着更加显著的影响。即实证结果支持信息交易增加导致交易持续期减小的观点,不支持隐藏交易假说。     

去异方差交易量与价格波动关系研究

在去除交易量时间趋势与自回归的基础上,大量的实证检验发现即期交易量与价格波动之间存在正相关关系.然而交易量序列同时还存在异方差现象.用同时去除时间趋势、自相关与异方差的交易量作为信息流的代表,来研究价格波动与交易之间的关系,结果发现,新的交易量序列能更好地解释收益率的异方差特征,而且市场成熟度不同的国家,交易量序列的这种解释能力也不同.     

基于条件概率积分变换的多元Copula函数选择

本文构建了基于条件概率积分变换的Copula函数选择方法,通过对条件概率积分变换下Anderson-Darling(AD)、Kolmogorov-Smirnov(KS)、Cramér-von Mises(CM)这三种统计量的比较,讨论在不同样本容量和变量维数下其对多种Copula函数的拟合效果。利用GSPTSE、INMEX.MX和NDX三大股指样本,将基于条件概率积分变换的Copula函数选择方法与核密度估计和极大似然估计选择法的效果进行系统比较。结果表明,基于条件概率积分变换的检验法可以有效解决多元Copula函数的选择问题,其拟合优度检验更精确、更稳定;核密度估计检验在大样本下比较稳定,而小样本下稳定性较差;相比之下,极大似然值检验法则不稳定。     

同种商品不同月份期货组合风险评价模型研究及应用

以期货合约的每一交易日的对数涨跌率来反映市场风险,借助VaR风险价值法,运用加权核估计技术(WKDE)和指数加权滑动模型(EWMA),建立了基于期货组合中持有头寸不同且可以进行风险对冲的期货组合市场风险非线性叠加评价模型,解决了同种商品、不同月份期货组合每一交易日最大损失的确定问题,并通过实证研究验证了模型的实用性.该模型的特点一是借助WKDE法预测组合中单个合约每一交易日涨跌率最大日亏损值,充分体现了期货合约涨跌率的实际走势,使VaR估计更加精确.二是通过动态迁移相关系数矩阵的计算保证了模型的精确性.采用EWMA模型预测动态变化的方差-协方差矩阵,从实证的角度得到更精准的动态迁移相关系数矩阵.三是考虑了组合中多头和空头不同头寸之间的风险对冲,避免了实际中期货组合风险的线性相加而造成放大风险或减少风险的不准确性,从而能较好地保证了模型的预测精度及准确性.四是通过基于风险非线性叠加建立的期货组合风险评价模型解决了SPAN系统中期货组合风险的线性叠加问题,从而得到更合理的组合风险预测值.     

An analysis of a hybrid neural network and pattern recognition technique for predicting short-term increases in the NYSE composite index

We introduce a method for combining template matching, from pattern recognition, and the feed-forward neural network, from artificial intelligence, to forecast stock market activity. We evaluate the effectiveness of the method for forecasting increases in the New York Stock Exchange Composite Index at a 5 trading day horizon. Results indicate that the technique is capable of returning results that are superior to those attained by random choice.     

多因素数据重心预测方法及应用研究

本文基于数据重心概念,通过大量的研究和推导,提出数据重心参数估计理论,并利用数据重心法估计多项式回归预测模型的参数,应用于我国钢材消费量的预测。从应用的结果看,增加了我国目前钢材预测的方法。本方法能最大限度地平滑预测模型的误差,而且应用条件比最小二乘法宽松;也不会因为个别残差较大的异常点而对预测结果产生不稳定性,从而提高了拟合和预测的稳健度,计算更简捷。     

The combination of forecasts in the trading of electricity from renewable energy sources

The legal support provided by the ‘Act on Granting Priority to Renewable Energy Sources’ (German Erneuerbare Energien Gesetz, EEG) and its precursor has in the last 20 years led to a marked growth in Germany in the use of renewable energies to generate electricity. As a result of the EEG amendment adopted in the summer of 2011 and in force since 1 January 2012, the market integration of electricity generated from renewable energy sources (RES-E) has become more important. Consequently, the economic importance of trading RES-E has also increased. A major role in determining costs in trading electricity from wind and solar energy on the wholesale markets plays the forecasting method used. If a forecast inaccurately predicts the amount of electricity actually generated, one result could be elevated costs in the trading process. In the beginning of this article we introduce the legal framework governing the trading of RES-E. Subsequently, we present a method for combining several individual forecasting methods. Finally, using empirical data, we show that in comparison to the best available individual forecast, the proposed combined forecast results in a clear improvement of forecasting quality as well as in a reduction in trading costs.     

金融资产的动态非线性相关:一个新的模型

基于Kendall’sτ秩相关系数的优越性和定义,本文提出了新的具有明确经济意义的动态条件相关copula模型,将常用的Gaussian、Clayton和Gumbel函数统一根据该演化方程实现动态化,构造出三种Kendall’sτ动态条件相关copula模型,可用于刻画不同的相关模式。这些模型不仅参数少、容易估计,避免了现有动态条件相关copula模型构建方法各异导致的在实证中不利于比较的缺点,而且能够进行多步向前预测,有效地减少了进行样本外预测时的计算量,从而为刻画时变、非线性、非对称性和尾部相关等复杂的动态相关模式提供了新方法。