动态金融高阶矩建模:基于Generalized-t分布和Gram-Charlier展开分布的比较研究

动态时变高阶矩是金融收益率的一个重要特征。本文对比研究了主流的Generalized-t分布(GT)和Gram Charlier Expansion分布(GCE)在GJRGARCH模型下对动态高阶矩的拟合能力和Value-at-Risk的预测能力。基于2005-2014美国标普500股指和中国沪深300股指日收益率的实证结果显示,收益率的条件高阶矩存在显著的时变性和持续性,其中偏度参数的持续性参数达到0.9以上。从各种统计指标综合来看,这两种方法都具有较好的实证表现。尽管GCE分布具有某些高阶矩建模的便利性,GT分布的实证拟合能力更强,对极端概率Value-at-Risk的样本外预测也更加准确。     

基于时变高阶矩波动模型的VaR与ES度量

金融波动性建模经历了从常数高阶矩到时变高阶矩的发展历程.文章扩展了现有的针对时变高阶矩波动模型风险测度效果的研究:首先,以沪深300指数和其它世界股市若干重要指数为例,通过采用“从简单模型到复杂模型”的估计步骤,实现对时变高阶矩波动模型的估计,进而运用Gram-Charlier扩展分布获得对VaR(value-at-risk)和ES(excepted shortfall)两种不同风险测度的计算值;然后,分别利用非条件覆盖检验(unconditional coverage test)和基于自举法(Bootstrap)的后验分析方法,实证对比了时变高阶矩和常数高阶矩两类模型的适用范围和精确程度.研究结果表明:就所考察的若干指数样本而言,时变高阶矩模型不仅能够较好地刻画金融价格波动的整体动力学特征,并且总体来讲,在市场风险测度准确性方面也要优于常数高阶矩波动模型.     

股市涨跌预测与量化投资策略:基于时变矩成分分析

利用时变矩成分分析提取高阶矩吸收率,改进基于阈值的高阶矩因子个数选择方法,提出基于元素值的联合矩成分分析权重设定,构造了一种基于股票市场高阶矩相关结构的量化投资策略。研究表明,基于矩成分吸收率的投资策略能够对股市涨跌做出有效预测,对于股市的重大系统风险尤为敏感,在熊市中也有良好表现;基于单因子吸收率、累积三因子吸收率和赫芬达尔吸收率的高阶矩投资策略优于二阶矩吸收率投资策略,而三阶矩单因子吸收率投资策略最优,基于元素值权重的投资策略优于基于元素个数权重的投资策略;量化投资策略具有参数稳健性,且可通过优化高阶矩的时变结构对投资效果进行优化。     

基于时变高阶矩波动模型的 VaR 与 ES 度量

金融波动性建模经历了从常数高阶矩到时变高阶矩的发展历程． 文章扩展了现有的针对时变高阶矩波动模型风险测度效果的研究: 首先,以沪深 300 指数和其它世界股市若干重要指数为例,通过采用“从简单模型到复杂模型”的估计步骤,实现对时变高阶矩波动模型的估计,进而运用 Gram-Charlier 扩展分布获得对 VaR( value-at-risk) 和 ES( excepted shortfall) 两种不同风险测度的计算值; 然后,分别利用非条件覆盖检验( unconditional coverage test) 和基于自举法( Bootstrap) 的后验分析方法,实证对比了时变高阶矩和常数高阶矩两类模型的适用范围和精确程度．研究结果表明: 就所考察的若干指数样本而言,时变高阶矩模型不仅能够较好地刻画金融价格波动的整体动力学特征,并且总体来讲,在市场风险测度准确性方面也要优于常数高阶矩波动模型．     

北上资金、百度指数与股市关联性的时频域研究——基于协高阶矩视角

为准确考察经由陆股通的资金量与投资者关注度对股市的影响，并兼顾股市时频域特征，将EEMD与高阶矩波动模型相结合，分别构建三个频率尺度下股市收益率、北上资金与百度指数的三元GARCHSK模型，基于时变协高阶矩视角对模型所得结果进行对比分析。结果表明：北上资金及投资者关注度均与内地股市存在时变关联关系；协高阶矩逐步成为内地股市与北上资金风险传染与波动关联的重要途径，且关联性逐步提高，而投资者关注度与内地股市的关联途径较少，关联关系存在较大不确定性；内地股市的短期均值与方差变动更多地取决于北上资金量，长期非对称性、极端风险概率的变动则与投资者对相关信息的关注程度存在更为显著的关联。本文从不同频率尺度探讨北上资金、投资者关注度与内地股市的协高阶矩关联途径与时变互动关系，为后续互通机制的政策效应研究提供了更为全面的角度和思路。     

金融市场条件高阶矩风险与动态组合投资

针对传统组合投资理论没有考虑高阶矩风险和静态处理问题两大缺陷,提出多元GARCHSK模型用于衡量时变的高阶矩风险,基于效用函数的Taylor展开推导出带有高阶矩风险的动态组合投资策略,并利用遗传算法进行求解。实证研究表明,中国股市不仅存在高阶矩风险,而且风险具有时变特征;为防范高阶矩风险,投资者需要动态地修正他的资产配置权重。     

考虑条件高阶矩风险的动态对冲模型研究

传统的期货对冲模型多数忽视了期货和现货收益高阶矩风险的影响。本文使用效用函数的Taylor展开分析了高阶矩风险对投资者目标函数的影响,并利用二元GARCHSK模型对期货和现货收益的条件高阶矩风险进行了动态建模,在此基础上提出了考虑条件高阶矩风险的动态对冲模型。通过使用恒生指数期货和现货数据的实证表明,考虑条件高阶矩的动态对冲策略和静态策略相比,能够更有效地降低高阶矩风险和提高投资者的效用。     

基于时变稳健加权最小二乘法的股市收益率预测

提出一类时变参数稳健加权最小二乘法(TRWLS),并将其用于预测标准普尔500指数收益率.该方法将时间相关权重与稳健估计权重相结合,既能捕捉参数时变性,又能降低数据噪声的影响.TRWLS模型组合揭示了经济和统计意义上均显著的收益率可预测性,而且预测能力明显高于普通最小二乘法.TRWLS模型的预测表现也好于传统时变参数模型和稳健回归模型.其预测能力主要来源于时间权重和稳健性权重的互补性以及超参数的学习能力.预测结果在调整多元信息组合方法、权重核函数和验证集长度的情况下均具有稳健性.     

双因子随机条件极差模型及其实证研究

对波动率的建模和估计传统上主要基于由收盘价计算得到的收益率信息,而基于包含更多日内价格变动信息的价格极差对波动率的研究却相对较少.对经典的针对价格极差动态性建模的条件自回归极差(CARR)模型进行扩展,借鉴随机波动率(SV)模型的建模思路,同时考虑波动率的长记忆特征,引入Gamma分布刻画价格极差新息的分布,构建了双因子随机条件极差(2FSCR)模型来描述价格极差的动态性.进一步,基于连续粒子滤波算法,给出了2FSCR模型参数的极大似然估计方法,并通过蒙特卡罗模拟实验表明了该估计方法的有效性.采用上证综合指数(SSE)、深证成份指数(SZSE)、香港恒生指数(HSI)和美国标普500指数(SPX)数据进行了实证研究,结果表明:2FSCR模型相比CARR模型以及单因子的SCR模型都具有更好的数据拟合效果.进一步的模型诊断分析表明,2FSCR模型相比CARR模型和SCR模型能够更好地刻画价格极差新息的尾部分布,能够更充分地捕获波动率的动态特征(时变性、聚集性与长记忆性).采用滚动窗方法对波动率进行预测,利用价格极差与已实现波动率作为比较基准对模型的预测能力进行了比较分析,结果表明:2FSCR模型相比CARR模型和SCR模型都具有更为优越的波动率预测效果.     

股市收益率高阶矩风险的产生机制检验

通过对现有理论文献的梳理,提炼了五个较为典型的关于高阶矩风险产生机制的理论假设。然后基于时变高阶矩建模思想,将这五个假设统一于同一个计量框架,并进行综合地实证检验,以期发掘具有"占优"作用的理论解释。以沪深股市收益率为样本研究发现,在这五个假设中,仅"波动率反馈"效应和"利空信息揭示"效应获得显著的实证支持。进一步分析指出,这两种效应会同时引起偏度和峰度风险,因而是高阶矩风险的主要产生机制。这一结果可为后续研究发展一个统一的理论框架提供实证参考。     

基于UPM-LPM的增强指数投资策略

增强指数投资策略的理念是基于部分成份股构建指数跟踪组合，以期在跟踪指数趋势的同时，获取超出指数平均收益的超额收益。本文将指数收益率作为目标收益，拓展经典下偏矩（Lower Partial Moment，LPM）的概念，使其适应于增强指数投资策略建模，同时给出上偏矩（Upper Partial Moment，UPM）的定义，进而构建基于UPM-LPM之比的增强指数模型。为解决模型的求解复杂性和高维投资组合的"维数灾难"问题，本文运用非参数核估计方法直接得到跟踪组合的密度函数，进而得到跟踪组合的LPM和UPM的解析表达式，避免对组合中各资产之间的高维联合分布进行估计，大幅度降低了估计的维度，克服"维数灾难"问题。而且LPM和UPM的核估计量是组合头寸的光滑函数，具有任意阶导数，便于优化问题求解。最后，本文运用沪深股票市场上五个常用指数及其成份股数据，检验模型在实际金融市场中的表现，结果表明：本文提出的增强指数模型能够战胜指数，同时实现跟踪指数趋势并获取稳健超额收益的目标。     

基于L-矩的厚尾分布动态拟合研究

为了解决厚尾分布不拥有完整的中心矩集合而无法进行矩估计的问题,在金融领域引入近年来在水文领域发展较为迅速的L-矩理论.在考虑当前预期和波动性条件下,基于L-矩理论分别考察了广义帕累托分布对高频收益超额数的静态尾部拟合和动态尾部拟合,应用条件VaR以及Kupiec-LR检验对拟合的结果进行了检验.研究结果表明,L-矩理论可以很好地解决厚尾分布的矩估计问题;VaR以及Kupiec-LR检验表明,基于L-矩的广义帕累托分布较好地拟合了极端条件下的收益率尾部,可以捕获极端条件下收益率时间序列动态特征.     

基于高阶矩波动和Copula函数的相依性模型及其应用

本文提出了基于高阶矩波动的相依结构模型:Copula-NAGARCHSK-M模型。考虑资产的时变条件方差风险、条件偏度风险和条件峰度风险对边缘分布的影响,应用模型研究了上证综指和深证成指对数收益率之间、条件方差之间、条件偏度之间和条件峰度之间的相依结构。发现两股票市场的指数对数收益率之间、条件方差之间和条件峰度之间有相似的相依结构,而条件偏度之间的相依结构则是负方向的相似。     

基于时变高阶矩模型的贵金属市场风险测度研究

以黄金为代表的贵金属及其金融衍生品的交易量不断增长,逐渐成为与股票和债券平行的投资和避险工具,但关于贵金属市场风险测度的研究却比较缺乏.以上海和伦敦市场的黄金和白银交易价格为样本,基于常数高阶矩模型和时变高阶矩模型建立风险测度模型,计算出不同模型的风险价值和预期损失;采用严谨的后验分析方法,在多头和空头两种头寸共10种分位数水平下对不同模型的风险测度精确性进行后验分析.研究结果表明,在测度风险价值时,时变高阶矩模型的风险测度精确性略优于常数高阶矩模型,带有杠杠效应的时变高阶矩模型优于不带杠杆效应的时变高阶矩模型;综合对比分析不同风险测度模型的后验分析结果可知,对于准确测度贵金属市场的风险,GJR-GARCHSK模型是一个相对合理的选择.     

矩约束模型的最优矩条件选取方法

大量经济、金融以及企业管理等领域研究对象的行为特征可以通过矩约束模型来刻画。然而,该模型中参数的估计对矩条件的选取非常敏感。如何选取最优的矩条件,进而得到更准确的参数估计和更精确的统计推断,是实证研究面临的重要问题。本文从估计量均方误差（MSE）最小的角度,研究了一般矩约束模型两步有效广义矩（GMM）估计的最优矩条件选取方法。首先,利用迭代的方法,推导出两步有效GMM估计的高阶MSE,然后通过Nagar分解,求出了两步有效GMM估计量的近似MSE。接着,基于近似MSE表达式,给出了两步有效GMM估计矩条件选取准则的一般理论,即定义了最优的矩条件,提出了两步有效GMM估计的最优矩条件选取准则,并证明了选取准则的渐近有效性。模拟结果表明,本文提出的矩条件选取方法能够很好地改善两步有效GMM估计量的有限样本表现,降低估计量的有效样本偏差。本研究为实证研究中面临的矩条件选择问题提供了理论依据。     

灾难风险、习惯形成和含高阶矩的资产定价模型

通过引入习惯形成因素,推导出包含灾难风险与习惯形成的高阶矩资产定价模型.数值模拟结果显示:1)该模型能够在相对风险厌恶系数更灵活的赋值区间内解释无风险利率之谜和股权溢价之谜;2)习惯形成因素的引入可以很好地解决基于高阶矩的灾难风险模型对于灾难风险参数选择过于敏感的问题;3)习惯形成显著改善了资产价格高阶矩近似的效果,削弱了高阶矩信息(四阶矩以上)对资产定价的影响.最后,考察了该模型在中国金融市场中的适用性,研究发现,灾难风险定价模型同样能够解释我国的股权溢价特征,且习惯形成因素也能够提升模型对中国金融市场的解释力.     

考虑噪声因子的参数和公差经济性设计策略

基于并行工程思想的参数和公差经济性设计,以成本为优化目标来确定最优的设计参数和公差范围.就并行参数和公差设计通过双响应曲面均值和方差模型实现其稳健性,本文提出了包含噪声因子的响应曲面建模策略,应用这一模型将参数和公差同时优化.该参数和公差经济性设计优化模型以质量损失和制造成本之和为目标函数,以过程方差置信域为约束.实例结果表明,在双响应曲面方法中,对均值设置偏倚量比其刚性约束具有较大的成本优势,在不降低稳健性的前提下引入偏倚可以降低成本.面向噪声因子的设计策略其成本低于基于双响应的有偏倚的设计,说明考虑噪声因子的设计是最有效的.     

中国股票市场的时变杠杆效应研究——基于随机Copula模型的实证分析

构建随机Copula模型研究了中国股票市场在极端市场条件下的时变杠杆效应.为了解决金融市场中波动率不可直接观测的问题,采用已实现波动率测度作为隐波动率的代理变量,进而运用基于有效重要性抽样的极大似然(EIS-ML)方法估计了随机Copula模型的参数.基于沪深股市数据的实证研究表明:中国股票市场的杠杆效应具有非对称特征,即股市低收益率伴随高波动率,但股市高收益率不一定伴随低波动率;中国股票市场的杠杆效应存在显著的时变性,沪深股市杠杆效应表现出类似的变化趋势;随机Copula模型相比其它Copula模型(静态Copula模型和时变Copula模型)具有更好的数据拟合效果.     

基于多元GARCH与极值理论的资产组合风险测度研究

在运用多元GARCH模型对资产组合损失的协方差矩阵进行建模的基础上,估计出组合的标准残差序列;然后,运用EVT对标准残差的极值尾部建模并估计出分位数,进而测度资产组合的动态极值风险;最后,再运用返回测试方法对模型准确性进行检验.研究结果表明,运用多元GARCH模型能够有效捕获多元资产损失的时变相关性特征;资产组合条件损失的标准残差极值尾部服从GPD;结合多元GARCH模型与EVT的风险模型能够测度所构造的多元资产组合的动态风险.     

双斜率因子动态Nelson-Siegel利率期限结构模型及其应用

利率期限结构是利率产品定价的基础和核心,对利率市场化具有重要意义。根据我国债券市场的特点,本文对动态Nelson-Siegel模型进行扩展,引入第二个斜率因子,构造双斜率因子动态利率期限结构模型,增强收益率曲线近端的静态拟合和动态预测能力。本文提出的模型嵌套了动态Nelson-Siegel模型,是对动态Nelson-Siegel模型的实质性推广,极大似然比检验证明了第二个斜率因子引入的必要性。本文以状态空间模型的卡尔曼滤波构造样本似然函数,采用双折线优化算法计算模型参数的极大似然估计。基于我国银行间市场债券交易收益率数据的实证分析表明,双斜率因子模型能够显著改善动态Nelson-Siegel模型对收益率曲线近端的拟合能力,同时对短期预测能力也有改善。此外,第二个斜率因子反映出宏观经济活动对利率期限结构的滞后影响,扩展后的模型能捕捉我国利率期限结构更多的动态变化特征,给相关主体提供更具价值的参考信息。