时变参数模型的最优滚动窗宽选择标准及应用

宏观经济领域中存在严重的结构突变性，模型估计量的优劣对估计样本规模是敏感的。本文针对时变参数模型，建立了滚动窗宽选择标准，通过最小化估计量的近似二次损失函数及最大化各子样本估计量间的曼哈顿距离选择窗宽大小，权衡了模型估计量的准确性和时变性两个相悖目标。蒙特卡罗模拟实验表明，本文所提出的方法在各种结构突变情形下均适用，能够应用于线性关系和非线性关系的时变参数模型中，且均具有稳健性。将该方法应用于我国金融网络的结构突变识别过程，显著改善了传统窗宽选择方法的结果。     

双因子非对称已实现SV模型及其实证研究

在基本的SV模型中引入包含丰富日内高频信息的已实现测度，同时考虑其偏差修正以及波动率非对称性与长记忆性，构建了双因子非对称已实现SV（2FARSV）模型.进一步基于连续粒子滤波算法，给出了2FARSV模型参数的极大似然估计方法.蒙特卡罗模拟实验表明，给出的估计方法是有效的.采用上证综合指数和深证成份指数日内高频数据计算已实现波动率（RV）和已实现极差波动率（RRV），对2FARSV模型进行了实证研究.结果表明：RV和RRV都是真实日度波动率的有偏估计（下偏），但RRV相比RV是更有效的波动率估计量；沪深股市具有强的波动率持续性以及显著的波动率非对称性（杠杆效应与规模效应）；2FARSV模型相比其它已实现波动率模型具有更好的数据拟合效果，该模型能够充分地捕获沪深股市波动率的动态特征（时变性、聚集性、非对称性与长记忆性）.     

基于非概率可靠性的铁路应急设施选址-路径鲁棒优化

鉴于铁路应急设施选址研究中很难合理估计参数的概率分布或确定其隶属函数的问题,将选址-路径问题与区间非概率可靠性方法结合起来,以复杂网络理论为基础,提出网络节点区间权重的确定方法,同时考虑节点权重、边权及径权区间不确定性的共同作用,构建铁路应急设施选址节点加权网络。基于区间非概率可靠性理论及区间运算规则,提出路径的非概率可靠性度量及最优时间可靠度路径选择方法,建立节点权重、边权及径权均为区间数的非概率可靠性铁路应急设施选址-路径鲁棒优化模型,并给出了求解算法,确定了基于区间模型的铁路应急设施鲁棒选址的最优方案。算例表明,本文的优化方案能更好地保证救援的时间鲁棒性,能有效地规避不确定因素波动对设施选址的长期风险,具有很好的实际应用价值。     

基于波动择时绩效的高维波动率估计量与预测模型研究

对协方差矩阵高频估计量和预测模型的选择，共同影响协方差的预测效果，从而影响波动择时投资组合策略的绩效。资产维数很高时，协方差矩阵高频估计量的构建会因非同步交易而丢弃大量数据，降低信息利用效率。鉴于此，将可以充分利用资产日内价格信息的KEM估计量用于估计中国股市资产的高维协方差矩阵，并与两种常用协方差矩阵估计量进行比较。进一步地，将三种估计量分别用于多元异质自回归模型、指数加权移动平均模型以及短、中、长期移动平均模型进行样本外预测，并比较在三种基于风险的投资组合策略下的经济效益。采用上证50指数中20只不同流动性成份股逐笔高频数据的实证研究发现：（1）无论是在市场平稳时期还是市场剧烈震荡期，长期移动平均模型都是高维协方差估计量预测建模的最优选择，在应用于各种波动择时策略时都可以实现最低成本和最高收益。（2）在市场平稳时期，KEM估计量是高维协方差估计的最优选择，应用于各种波动择时策略时基本都可以实现最低成本和最高收益；在市场剧烈震荡期，使用KEM估计量进行波动择时仍然可以在成本方面保持优势，但在收益上并不占优。（3）无论是在市场平稳时期还是市场剧烈震荡期，最低的成本都是在采用等风险贡献投资组合时实现的，而最高的收益则都是在采用最小方差投资组合时实现的。研究不仅首次检验了KEM估计量在常用波动择时策略中的适用性，而且首次实证了实现最为简单的长期移动平均模型在高维协方差矩阵预测中的优越性，对投资决策和风险管理等实务应用都具有重要意义。     

金融高频数据的最优抽样频率研究

首先综述了国内外对最优抽样频率的研究成果,并对各种方法的利弊进行了分析比较;然后结合目前我国股市金融高频数据的特点,提出了一种简便易行的最优抽样频率确定方法,并且基于"已实现"双幂次变差和赋权"已实现"波动估计量进行了研究,分别给出了2个估计量的偏差;最后用深证成指的高频数据进行了实证研究。     

LEVY-LIBOR市场模型的蒙特卡罗模拟参数校准与估计

基于远期LIBOR利率的随机波动与无限跳跃特征，针对标准化LIBOR市场模型（LMM）和随机波动率LIBOR市场模型（SV-LMM）应用局限，进一步引入Levy无限跳跃过程，建立多因子非标准化Levy 跳跃随机波动率LIBOR市场模型（SVLEVY-LMM）。在此基础上，基于非参数化相关矩阵假设，运用互换期权（Swaption）、利率上限（Cap）等主要市场校准工具和蒙特卡罗模拟技术，对模型局部波动率和瞬间相关系数等参数进行有效市场校准；应用自适应马尔科夫链蒙特卡罗模拟方法（A-MCMC）对Levy跳跃与随机波动参数进行有效理论估计。实证认为，对远期利率波动率校准，分段固定波动率结构较为符合市场实际情况；对远期利率相关系数矩阵校准，非参数化相关系数矩阵具有最小估计误差和最佳的市场适应性；SVLEVY-LMM能够最好拟合远期LIBOR利率。     

基于非参数Copula-CVaR模型的碳金融市场集成风险测度

我国商业银行等金融机构在参与国际碳金融业务时面临复杂多变的市场环境，其风险评估及预警体系的构建需考虑风险因子的多源性与相依性，对碳金融市场集成风险进行科学测度具有重要意义。本文采用非参数核估计方法确定碳金融市场价格波动与汇率波动两类风险因子的边缘分布，并通过拟合优度检验选择最优Copula函数准确刻画风险因子之间非线性、动态的相依结构，实现对集成条件风险价值CVaR的有效测度。通过Kupiec回测检验及对比各类传统风险测度方法的优劣，发现非参数Copula-CVaR模型能够弥补传统风险测度方法在度量多源风险因子相依性时存在的局限性，避免参数法确定边缘分布时可能出现的模型设定风险与参数估计误差，充分考虑尾部风险，为碳金融市场集成风险测度提供新思路。     

中国股票市场可预测性研究：基于机器学习的视角

股市风险溢价是金融学中的一个经典研究问题.常见的线性模型存在着模型误设和参数不稳定的问题，难以有效预测风险溢价.本研究从机器学习的视角重新检视了中国股票市场的可预测性.基于1996年1月—2019年12月的数据，构建提升回归树(boosting regression trees, BRT)模型对股市收益率与波动率进行样本外预测，并构建了最优风险资产配置模型.实证结果显示：1)提升回归树方法能够对收益率、波动率和最优风险资产权重做出准确预测；2)在收益率预测中最重要的三个变量分别是净权益增加值、换手率和股价方差；挖掘预测变量之间的非线性关系是BRT预测能力的来源；3)结合提升回归树预测构建的最优风险资产组合可以为投资者带来更高的收益和效用.本研究将机器学习方法引入股票市场风险溢价的研究，为此问题的研究提供了全新的视角.     

股市波动率的短期预测模型和预测精度评价

基于幂转换以及不设定扰动项的具体相关结构和分布形式,构建了半参数的短期预测模型来预测中国股市的波动率.模型采用基于极值估计量的两阶段估计法进行估计,估计方法的小样本性质表现良好.此外,还通过具有Bootstrap特性的SPA检验实证比较了新模型与其他6种预测模型的预测精度.实证结果表明,在各种损失函数下,半参数短期预测...     

基于Heston模型时间一致的资产负债管理鲁棒策略

本文在非完备市场框架下，研究了时间一致的鲁棒最优投资组合选择问题。首先，假设金融市场由无风险资产和风险资产构成，其中风险资产的价格过程服从Heston随机波动率模型，且投资者面临一个不可控的外生负债。其次，应用随机最优控制理论，给出并证明了验证定理，建立了相应的拓展Hamilton-Jacobi-Bellman(HJB)方程组，通过求解拓展的HJB方程组，得到了鲁棒均衡投资策略和值函数的显式解。最后，通过数值模拟，给出了模型参数变动对均衡投资策略和效用改善的影响。结果表明：(1) 当风险资产的价格和其波动的相关系数大于零时，股票方差的波动越大，越不利于投资。否则反之。(2) 当风险资产的价格和其波动的相关系数越大时，风险资产的风险就越大，投资者会采取保守的投资策略，减少投资。(3) 负债的波动率变大，投资者会面临更大的负债风险，为了对冲风险，投资者会增加风险资产的投资。(4) 当投资者考虑模型不确定的影响时，采用鲁棒投资策略能显著提高投资者的效用水平。     

基于门限双幂变差的资产价格时点波动非参数估计

估计带跳资产价格的时点波动时,需要用门限过滤方法消除跳的影响。在有限样本下,门限过滤会产生错滤偏误和漏虑偏误,降低估计精度。跳错滤产生的偏误可通过对错滤样本进行补足的方法进行纠偏,但由于发生时点未知,跳漏滤产生的偏误无法纠正,只能通过估计量设计来减少漏滤偏误。本文首次提出基于门限双幂变差的时点波动估计量,采用核平滑方法对资产价格时点波动进行非参数估计,有效减少跳错滤导致的偏误。采用随机阵列极限理论,本文证明了估计量的一致性和渐进正态性,在分析有限样本偏误的基础上,给出估计量的纠偏方法。蒙特卡洛模拟表明,本文给出的估计量,漏滤偏误明显小于基于二次变差构造的估计量,对时点波动估计的性质具有实质改进。采用Kupiec动态VaR精度检验对沪深300指数的实证分析表明,本文给出的时点波动估计更能描述资产收益的波动特征。     

有限供应的现货市场与期权合约下的采购策略

在随机现货价格与随机需求相独立的情况下,当现货市场供应量有限时,本文采用期权组合合约建立两阶段采购风险管理模型,以期最大化零售商的期望利润.文中提供了甄别有效合约的算法,得到零售商的最优采购策略,并进一步用算例分析了现货市场的供应量、现货价格和客户需求的波动性对最优采购策略的影响,发现当现货市场的供应量增加时,零售商应...     

高频波动率矩阵估计的比较分析——基于有噪非同步的金融数据

基于高频数据的波动率矩阵估计可有效解决传统低频估计面临的种种瓶颈问题。然而,由于受非同步和微观结构噪声等的影响,传统的高频波动率矩阵估计会产生艾普斯效应,并偏离其理论值。本文主要考虑非同步逐笔高频数据的三种同步化方法和五种传统已实现波动率矩阵的纠偏降噪方法,并从数值模拟和沪深股市的实证分析两个角度对两类方法分别展开了全面深入的比较研究。结果表明:更新时间同步化法最大程度地保留了数据信息,传统未纠偏的已实现波动率矩阵具有艾普斯效应,其偏差较大,多变量已实现核估计、双频已实现波动率矩阵估计、调整的已实现波动率矩阵估计的纠偏降噪效果较好,事先平均HY估计和HY估计相对表现较差。研究结果可为相关领域工作者进一步的研究与应用提供方法上的参考与指导。     

Adaptive Local Polynomial Whittle Estimation of Long‐range Dependence

The local Whittle (or Gaussian semiparametric) estimator of long range dependence, proposed by Künsch (1987) and analyzed by Robinson (1995a), has a relatively slow rate of convergence and a finite sample bias that can be large. In this paper, we generalize the local Whittle estimator to circumvent these problems. Instead of approximating the short‐run component of the spectrum, ϕ(λ) , by a constant in a shrinking neighborhood of frequency zero, we approximate its logarithm by a polynomial. This leads to a “local polynomial Whittle” (LPW) estimator. We specify a data‐dependent adaptive procedure that adjusts the degree of the polynomial to the smoothness of ϕ(λ) at zero and selects the bandwidth. The resulting “adaptive LPW” estimator is shown to achieve the optimal rate of convergence, which depends on the smoothness of ϕ(λ) at zero, up to a logarithmic factor.     

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。     

合同订购与现货市场混合交易下的双渠道供应链优化决策

为了更好地匹配需求与供应, 提高企业收益和服务水平, 本文研究了合同订购与现货市场交易结合下的双渠道供应链优化决策问题。首先分析了单纯批发价合同订购模式下的决策, 进一步考虑现货市场单向交易及双向交易的情形, 将供应链回购合同与数量柔性合同引入单向现货市场, 建立了这两类合同订购分别与现货市场补货、现货市场卖货相结合的订购模型, 以及批发价合同订购与现货市场买卖双向交易联合的决策模型。分析了不同模式下回购价格、缺货成本、补货成本、现货价格、现货价格波动及风险偏好对订购决策的影响, 并通过算例仿真, 分析了各类现货市场的使用对销售商收益的影响。结果表明, 合同订购与双向现货市场结合可以充分利用现货市场即时交易的优势, 提高供应链效益;而合同订购与单向现货市场结合, 虽然可以通过合同提高供货水平, 降低库存积压风险, 但该情形需要考虑供应商的回购或补货价格, 销售商仍有一定风险。不论单向或双向现货市场与合同订购的联合, 均可使供应链的利润优于单纯合同订购的情形。     

Optimal Bandwidth Selection in Heteroskedasticity–Autocorrelation Robust Testing

This paper considers studentized tests in time series regressions with nonparametrically autocorrelated errors. The studentization is based on robust standard errors with truncation lag M=bT for some constant b∈(0, 1] and sample size T. It is shown that the nonstandard fixed‐b limit distributions of such nonparametrically studentized tests provide more accurate approximations to the finite sample distributions than the standard small‐b limit distribution. We further show that, for typical economic time series, the optimal bandwidth that minimizes a weighted average of type I and type II errors is larger by an order of magnitude than the bandwidth that minimizes the asymptotic mean squared error of the corresponding long‐run variance estimator. A plug‐in procedure for implementing this optimal bandwidth is suggested and simulations (not reported here) confirm that the new plug‐in procedure works well in finite samples.     

应用混合神经网络和遗传算法的期权价格预测模型

隐含波动率是指在市场中观察的期权价格所蕴涵的波动率.提出了一种加权的隐含波动率作为混合神经网络的输入变量,建立了混合神经网络和遗传算法相结合的期权价格预测模型,通过遗传算法来优化神经网络的结构和获得隐含波动率的权重.在对香港金融衍生品市场的实证中表明,本文模型在预测结果上要优于传统的Black-Scholes模型.