平行数据随机波动建模及应用研究

将随机波动模型的建模思想引入平行数据的建模过程,提出了平行数据随机波动模型,以综合分析与比较不同金融市场之间的风险状况和波动的持续特性;应用卡尔曼滤波方法首先滤出模型的伪似然函数,然后采用极大似然估计方法求解模型参数,最后利用平行数据随机波动模型对我国沪深股市数据进行了实证应用.实证表明,平行数据随机波动模型可以很好地说明我国股市的整体风险状况以及沪深两市间波动持续性的差距.     

基于多元随机波动模型的信用风险衍生定价

本文将随机波动期权定价封闭解模型扩展到多资产分析框架下.在考虑Cox-Rose模型多资产模拟以及随机波动矩阵的Wishart动态过程的基础上,将风险升水引入收益率方程,并将Merton模型下的公司违约风险扩展到随机分析框架下.最后利用数值模拟技术,对多资产随机分析模型的适用性及解的稳定性进行了模拟分析.其结果表明,多元随机波动模型对违约风险随机发生条件下的公司信用过程具有较之单元确定性模型更强的解释力.利用多资产模型,有助于金融机构更深入地把握企业信用体系中资产价值和负债的动态联动关系,对金融机构的信用风险管理具有十分重要的意义.     

偏正态随机波动模型及其实证检验

首先构建了有杠杆效应的随机波动模型(SV-L),证明了其波动随机项的条件分布为两个偏正态分布,由此称该模型为偏正态随机波动模型(SV-SN).接下来讨论了SV-SN模型的经济含义以及对应随机波动项的统计特征.最后利用沪深两市的指数收益数据对模型进行了实证研究,其结论为:相对于一般的SV模型,SV-SN模型的拟合效果更好;新息具有减弱后期波动之效应;与理论预期一致,单位负新息比单位正新息引致的波动要大.     

基于马尔科夫随机波动和极值理论的风险测度

针对金融资产波动的时变、聚集以及状态转换等特征,将马尔可夫转换模型和随机波动模型相结合,同时考虑波动尾部的状态分布,构建MSSV-t模型,然后将收益序列转化为标准残差序列,在此基础上,应用EVT模型对标准残差进行建模,进而构建基于MSSV-t-EVT的VaR测度模型,最后对该模型的有效性进行检验。研究发现：MSSV-t-EVT模型能够有效识别上证指数（SSCI）的波动转换特征,并且能合理地测度该指数的收益风险,尤其在高的置信水平下表现更好。研究结论表明MSSV-t-EVT模型能较为准确的刻画股市剧烈波动的事实,可用于交易风险控制和对市场异常波动的预警。     

沪深300股指期货的波动率预测模型研究

以沪深300股指期货仿真交易的5分钟高频数据为例,运用滚动时间窗的样本外预测和具有Bootstrap特性的SPA检验法,全面对比了基于日收益数据的历史波动率(historical volatility)模型和基于高频数据的已实现波动率(realized volatility)模型对波动率的刻画和预测能力.主要实证结果显示,已实现波动率模型以及加入附加解释变量的扩展随机波动模型是预测精度较高的波动模型,而在学术界和实务界常用的GARCH及其扩展模型对沪深300股指期货的波动率预测能力最弱.     

中国股票市场的最优波动率预测模型研究——基于沪深300指数高频数据的实证分析

以沪深300指数的高频数据为例,采用滚动时间窗的样本外预测以及SPA检验法,对比了基于日收益数据的历史波动率模型和基于高频数据的实现波动率模型的预测能力.主要实证结果显示,实现波动率模型以及加入附加解释变量的扩展随机波动模型是预测精度最高的波动模型,但在学术界和实务界流行的GARCH及其扩展模型对我国A股市场波动的预测能力较差.     

股票收益随机波动模型研究

通过对金融资产时间序列数据特点的分析,指出GARCH模型在描述金融资产时序数据的局限,尝试用随机波动模型刻画股票收益的波动规律,采用GMM方法估计模型参数,并以上海证券交易所综合指数日收益率数据为样本,对沪市指数收益波动进行实证研究,探讨涨跌停板制度对股市波动的作用。     

具有相关波动因子的广义随机波动HJM模型

基于Heath-Jarrow-Morton( HJM)模型框架,将远期利率波动率设定为服从广义均值回归平方根过程的随机变量,以刻画隐性随机波动因子的动态特性,并通过将漂移项限制条件推广至波动因子之间,以及利率波动率的变化与利率变动之间存在相关性情况,建立了广义的多因子HJM模型.在该模型框架下,基于一类特定波动率设定形...     

已实现波动GAS-HEAVY模型及其实证研究

引入日内高频数据计算的已实现波动，能够提高波动模型预测能力。本文将日收益和已实现波动联合建模，提出一种新的波动模型。选取尺度调整t分布和F分布作为日收益和已实现波动的分布，更为充分和灵活地捕捉厚尾性，采用得分驱动方法设定波动模型更新项，得出广义自回归得分（GAS）波动模型，提高对实际模型的逼近效率。本文对模型遍历性和平稳性进行证明，并与同类模型进行比较。蒙特卡罗模拟实验显示，在数据生成过程误设的情况下本文提出的GAS-HEAVY模型比同类模型具有更好的数据拟合效果。基于沪综指、深成指和沪深300指数2013.1至2017.4日内1分钟高频数据实证分析表明，不同损失函数的SPA检验下GAS-HEAVY模型的波动预测能力显著强于其它同类模型。本文给出的GAS-HEAVY模型为有关理论研究和市场应用提供了新的波动计量工具。     

基于ICA模型的国际股指期货及股票市场对我国股市波动溢出研究

将独立成分分析(ICA)方法引入金融衍生品市场与基础市场之间的波动溢出研究,克服了传统方法解决高维金融时间序列波动问题时的障碍。通过与VECH、BEKK和DCC等传统多元GARCH模型的对比分析,本文所建立的ICA-EGARCH-M模型在解决高维问题时体现出一定的优势。在实证研究中,应用该模型考察了美国、英国、日本和中国香港的股指期货市场及其股票市场对我国股票市场的共同波动溢出。结果表明ICA-EGARCH-M模型不仅验证了波动溢出效应的存在,而且反映出了波动溢出的主要来源,能够较好地解决高维金融时间序列数据的波动溢出问题。     

基于状态空间的贝叶斯跳跃厚尾金融随机波动模型研究

针对金融市场中跳跃特征的刻画问题,提出了贝叶斯跳跃厚尾随机波动模型。通过随机波动模型的结构分析和状态空间转换,设计了模型参数估计的MCMC算法,利用Kalman滤波和高斯模拟平滑方法估计模型的潜在波动,运用贝叶斯因子对随机波动类模型进行比较分析,并利用中国和美国的股市收益数据进行实证分析。研究结果表明:在刻画中、美两国股票市场的波动特征方面,跳跃厚尾随机波动模型要明显优于厚尾随机波动模型和标准随机波动模型,并且金融危机背景下的中国和美国股票市场都具有明显的波动持续性以及跳跃特征。     

不同抽样频率波动模型的预测精度比较

以上证综指和标准普尔500指数为例,构建了基于不同抽样频率股价数据的波动模型,然后运用样本外的滚动时间窗法实证计算了各波动模型对未来市场波动率的预测值,最后运用具有bootstrap特性的SPA检验法实证检验了各波动模型的预测精度差异.研究结果表明,基于低频数据的波动模型对股市波动率的预测精度远远落后于基于高频数据的波动模型,使用高频数据有助于对市场波动率的精确预测.     

实际波动率与GARCH模型的特征比较分析

金融资产价格的波动率的测度具有重要意义,实际波动率(Realjzed Volatility)概念是近些年提出的用于测度市场波动率的新概念,在诸多方面具有优势.本文利用上海证券市埒的高频数据,比较了两种不同的波动率模型--RV模型和GARCH模型--的性能表现.本文首先介绍了连续时间状态下实际波动率的概念和模型,然后建立了GARCH(1,1)模型,使用日收益率对GARCH模型进行估计,得到条件方差方程,分别用日收益平方和日内累计收益平方和作为波动率指标对收益平方-波动方程进行回归,并以回归决定系数来衡量波动率拟合水平的优劣,结果发现采用高频数据的回归决定系数比原来提高了两倍,这个结果与已有的实证分析结果基本一致,最后,我们将实际波动率的计算结果与GARCH模型的结果经标准化后进行了对比,发现实证研究结果表明,实际波动奉模型比传统的GARCH模型提供了更好的拟合.     

区间均值条件波动率模型

本文讨论了有、无冲击（Innovations）对资产波动率的不对称性影响,它是现有研究关于正、负冲击不对称性影响的扩展。本文以GARCH模型为基础,假设条件均值为一个区问,建立了基于区间均值的GARCH模型及其非对称形式,并讨论了该类模型的估计方法。在中国债券市场的实证分析中发现,本文提出的模型能够更好地捕捉市场上波动特征;以已实现波动率为基准,区间均值GARCH模型取得了比GARCH模型更好的预测效果。     

基于马尔可夫状态转换模型的沪深股市波动率的估计

为了更准确地估计具有结构转换的沪深股市收益率波动特征,本文将沪深股市的波动变化分为上涨、下跌和盘整三个状态,选用2000年1月4日至2011年12月30日的上证综指和深证成指日收益率数据作为样本,2012年1月4日至2012年1月17日的日收益率作为样本外预测,分别应用GARCH和APGARCH模型,以及RS-GARCH和RS-APGARCH模型估计和预测两序列的波动率,最后采用MSE₁、MSE₂和QLIKE对估计和预测出的波动率进行评价。结果表明:单一状态和三种状态下APGARCH模型均比GARCH模型估计和预测的波动率更准确;更进一步带有马尔可夫状态转换的模型估计和预测出的波动率更准确,且误差分布服从正态分布的模型估计和预测的波动率拟合结果优于误差服从t分布的模型。     

基于极差的区制转移随机波动率模型及其应用

关于金融波动率的建模,大量文献都是基于将收益率作为波动率代理变量,而基于极差这一更有效的代理变量研究波动率的则相对较少． 考虑到随机波动率模型的优势,将区制转移引入到基于极差的随机波动率模型中,从而刻画金融市场中波动率水平可能存在的结构变化． 随后给出此波动率模型的MCMC估计,并利用模拟证明了该方法的有效性． 基于以上模型,对上证综指、深圳成指和沪深300指数的极差波动率进行了实证研究,并利用已实现波动率作为基准、以稳健的损失函数作为判断准则的比较方法,与文献中常用的GARCH类模型和SV类模型进行比较,进一步论证了提出模型的优势     

随机波动HJM框架下可违约债券市场波动结构的实证研究

波动结构对于可违约债券及其衍生品的定价和风险管理具有重要意义.利用AAA级企业债券价格数据,基于中国可违约债券市场构建三因子可违约随机波动HJM模型,并对其进行有限维马尔科夫仿射实现.在此基础上,从波动因子的随机波动特征、相关性结构和贡献度3个方面对中国可违约债券市场的波动结构进行系统分析.研究结果表明,样本期内中国可违约债券隐含的无风险利率和信用利差的波动率中含有显著的随机波动过程,且其数值呈现持续增大的趋势;无风险短期利率、短期信用利差和随机波动过程3个主要波动因子之间存在显著的相关关系;各波动因子的风险贡献度随时间推移而发生明显的波动.在经济向好时期,无风险短期利率的风险贡献较大;在经济趋冷时期,短期信用利差的风险贡献占优.     

金融市场的多分形波动率测度、模型及其SPA检验

提出一种新的金融市场波动率的测度方法--多分形波动率(multifractal Volatilty)测度,并以上证综指在长达8年左右时间内的高频数据样本为例,构造了多分形波动率的ARFIMA动力学模型.同时,运用最近提出的SPA(superior predictive ability)检验法,实证对比了多分形波动率模型与现有的如实现波动率(realized volatility)模型、GARCH模型以及随机波动(stoclaastic volatility,SV)模型对市场波动预测能力的优劣.实证结果显示,在某些损失函数标准下,文中提出的多分形波动率测度及其动力学模型具有比现有其它模型更优的波动率刻画能力和预测精度.     

考虑微观结构噪声与测量误差的波动率预测

以测量误差的分布理论为基础，本文将微观结构噪声的影响引入到测量误差的方差中，构建了包含微观结构噪声影响的HARQ-N模型。使用蒙特卡洛模拟与中国股市的高频数据对HAR、HARQ、HARQ-N模型与HAR-RV-N-CJ模型的估计和预测进行了比较，研究发现，HARQ模型和HARQ-N模型的测量误差修正项对波动率的影响系数统计显著为负，HARQ-N模型的测量误差项影响系数远大于HARQ模型，更大程度地减弱当期微观结构噪声和测量误差的影响。并且，考虑微观结构噪声和测量误差的HARQ-N模型样本内和样本外预测效果在统计上显著优于HAR模型、HARQ模型与HAR-RV-N-CJ模型。     

多国股票市场的高频波动相关性研究

本文通过建立包含马尔科夫机制转换结构的MS-MHAR-DCC模型，并选取世界上比较发达的国家和地区股票市场的高频日内交易数据为样本，对多个股票市场波动相关性进行研究。通过引入包含马尔科夫结构的外部随机矩阵，本文识别出金融市场波动相关的截断时期，正态分布设定下相比在t分布设定下识别的截断时期更多且持续时间更长。在模型的截断时期内，多个股票市场的波动相关结构主要受到正向冲击，即在截断时期内的波动相关性大于平常状态的波动相关性。本文还发现，相同地域的股票市场间的动态波动相关性在大部分时期内表现为较强的正相关；美国股票市场和其余5个国家股票市场波动的动态相关性在大部分时期都表现为较强的正相关，表明美国作为全球巨头在世界金融市场波动的引导作用。