基于自适应组LASSO估计的高维门限因子模型一致选择

门限因子模型设定载荷具有阈值型区制转换结构,可以同时刻画高维时间序列的共变性和区制转换特征。针对高维门限因子模型,本文基于自适应组LASSO技术给出了一种一致模型选择过程。这一模型选择过程将因子个数设定、门限效应推断纳入统一的分析框架,不仅解决了模型选择的一致性问题,还同时实现了模型选择误差的统一控制,这对于高维门限因子模型而言是非常重要的。理论研究和随机模拟结论表明本文给出的一致模型选择过程具有良好的大样本性质和有限样本表现。最后,本文将门限因子模型应用于我国金融市场分析,实证结果进一步验证了本文理论的有效性。     

中国行业指数收益率与人民币汇率动态联系实证分析

本文在控制了Fama-French三因素以及流动性风险因素基础上。通过人民币汇率与股价的Threshold-GARCH效应检验及基于广义残差GED模型的建立，从行业的角度实证分析中国股市与汇率波动的关系；实证结果表明样本期部分行业存在汇市到股市的价格溢出效应，但价格溢出效应不能反映行业进、出口依存度等特征；同时还检验到行业股指收益存在显著ARCH与GARCH效应，并且具有很强的波动持久性；而且部分行业门限系数显著异于0，表明存在显著的杠杆效应。     

基于区制转移模型的中国短期利率动态行为研究

文章基于区制转移模型对单因素CKLS短期利率模型进行扩展，并运用该扩展模型对我国短期拆借利率展开实证分析。分析结果表明我国短期利率的波动除具水平效应外，还存在显著的区制转移特征。通过平滑概率动态分析发现，我国短期利率的区制转移行为与我国的宏观经济状况及货币政策密切相关。     

中国股市泡沫的识别和预测:基于SSMS模型

文章将前沿的向量自回归—对数线性化资产定价模型改写成状态空间形式,并与二元马尔科夫区制转换有机地结合,得到用于股市泡沫识别和预测的状态空间马尔科夫区制转换模型,以便在一个统一模型框架中解决股市泡沫的时变性和不可观察性.基于中国股市的实证研究表明:(1)该模型能够很好捕捉股市泡沫,识别泡沫的膨胀区制和破裂区制,估计泡沫在两个区制之间的转换概率.(2)中国股市泡沫具有周期性、持续性和不对称性特征.基于滤波概率和平滑概率的预测进一步支持了上述结论.     

基于EGARCH-M模型的沪市价量关系的实证研究

本文基于MDH理论,借助EGARCH-M模型,实证检验了上海股市的价量关系。结果表明非预期交易量对股市波动有很强解释能力,而预期交易量对股市波动几乎没有解释能力。同时还揭示了上海股市具有一定有效性,且存在杠杆效应。     

基于马尔可夫域变模型的上海股市收益率非线性特征分析

针对股市收益率在不同时期内具有不同的均值、波动性和持续性等非线性特征，引入马尔可夫域变模型（MRSM）对上海股市收益率的均值与波动性的对应关系以及高、低收益率状态转换特征进行分析，结果表明马尔可夫域变模型与GARCH类模型相比较，显著地提高了对股票市场行为的描述能力。它不仅可以从动态角度明确刻画金融市场的“收益与风险”相对称的特征，而且可测定不同状态持续的可能性和由一种状态转向另一种状态的概率。     

中国股市与债市波动特征对比研究:2002～2007

文章从发展规模、指数波动及收益率波动等方面全面研究了我国股市和债市近几年的波动特点。实证结果表明股市和债市在直接融资和资源配置效率上偏低;虽然两市波动进程趋同,但股市在收益和风险上都高于债市,说明它们在投机套利和稳定市场等方面发挥作用不同。最后从BDS检验和稳态特征检验看到,两市都表现出显著的非线性特征,不同的左右厚尾特征说明股市和债市在大幅涨跌时投资者不同的行为策略。     

基于灰色经济计量模型的我国股市波动率实证研究

针对我国股市收益率具有长期记忆性的特点,综合灰色预测理论和经济计量模型,建立了基于灰色模型的分整广义自回归条件异方差模型(GM-FIGARCH).选取上证A股、深证A股的日收益率进行分析,采用修正R/S分析检验其长记忆性,利用GM-FIGARCH模型对其进行实证研究.结果表明我国A股市场波动率普遍存在长记忆特征,投资者可以利用历史数据来预测未来股市的波动并据此获取投机利润.利用GM-FIGAKCH模型可获得较好的预测效果.     

地方政府债务与宏观经济增长的非线性关系实证检验

文章运用LSTR实证模型对辽宁省地方政府债务与经济增长的影响效应进行了研究.研究结果表明,地方政府债务与经济增长之间存在非线性的关系,具有明显区间转换的动态特征,当负债率低于15％的门槛值时,地方政府债务增加会促进经济增长;但当金融危机出现时,转换函数则处于低区制状态,地方政府债务与经济增长线性相关.     

我国影子银行的非对称性宏观经济效应研究

文章使用了马尔科夫机制转换回归模型和向量自回归模型(MSIH(2)-VAR(2),考察了影子银行的非对称性宏观经济效应.实证结果表明:影子银行在“经济下行”区制比“经济上行”区制更明显地正向影响经济增长;影子银行的外生冲击对经济增长的短期影响比长期影响大;在不同区制和面临影子银行的外生冲击时,影子银行都正向影响货币供应量,且都不显著影响物价水平;在宏观经济不同区制转换的过程中,影子银行波动可以作为宏观经济波动的先行指标.     

经济政策不确定性如何影响金融市场间的流动性协同运动？——基于中国金融周期的视角

金融市场间流动性出现高协同运动是发生危机传染的重要表现之一，因此，针对流动性动态联动效应的研究显得极为重要。本文基于中国金融市场数据测算了2003-2018年间我国股市、债市流动性，并对Colacito等（2011）的混频数据抽样动态条件相关系数模型（DCC-MIDAS）进行了扩展，同时从金融周期视角出发，运用扩展后的模型考察了经济不确定性在不同时间区间内对于流动性波动率和相关性是否存在不同的作用效果。研究结果表明，相较于单因子混频模型，引入经济政策不确定性的多因子混频模型可以更好地捕捉我国股债两市相关性的动态变化；同时，经济政策不确定性的提高会降低股债两市流动性的正相关性，但这一作用效果会在金融周期的拐点处转为加强两者的正相关性。本文不仅为讨论股债两市联动效应提供了流动性的新视角，也为金融市场风险监管提供了重要的参考依据。     

股市危机中股指期货应该限制交易吗——基于2015年股市危机的实证分析

利用上证50、沪深300和中证500股指期货合约及其相应指数的高频数据,克服了传统BEKK和DCC模型的不足,通过建立VECM-DCC-VARMA-AGARCH模型考察股市危机期间中国股指期货市场与股票市场之间的信息传导关系与风险传染效应。研究结果表明,股市危机期间股指期货具有很强的价格引导和风险传染效应,股指期货的持续波动加剧了股票市场的进一步波动。因此,提出风险传染效应与市值规模相关、非对称效应和非预期冲击效应与市值规模负相关、波动的风险传染效应与市值规模正相关。危机时期,应抑制股指期货市场上的过度投机,对股指期货采取限制开仓、提高交易保证金和交易手续费都是正确和切实可行的措施。建议监管当局健全股指期货和股票市场交易制度。     

中、印、美股市联动差异性研究

基于扩散视角和跳跃视角探究了中、印、美股市联动行为。基于扩散视角,美国和印度股市与中国股市有明显的单向收益溢出效应,中美之间有明显的波动溢出效应,但是中印之间却不存在这种关系。从非对称影响的结果来看,只存在印度股市和美国股市与中国股市单向的非对称影响。基于跳跃视角,中印、中美股市的平均跳跃幅度和平均方差贡献率,与其跳跃强度相比联动性更高,中印联合跳跃比率相关系数和中美联合跳跃比率相关系数都处于较高水平,同时稳健性检验的结果表明结论整体具有一致性。     

Foreign Exchange Intervention by the Bank of Japan: Bayesian Analysis Using a Bivariate Stochastic Volatility Model

A bivariate stochastic volatility model is employed to measure the effect of intervention by the Bank of Japan (BOJ) on daily returns and volume in the USD/YEN foreign exchange market. Missing observations are accounted for, and a data-based Wishart prior for the precision matrix of the errors to the transition equation that is in line with the likelihood is suggested. Empirical results suggest there is strong conditional heteroskedasticity in the mean-corrected volume measure, as well as contemporaneous correlation in the errors to both the observation and transition equations. A threshold model is used for the BOJ reaction function, which is estimated jointly with the bivariate stochastic volatility model via Markov chain Monte Carlo. This accounts for endogeneity between volatility in the market and the BOJ reaction function, something that has hindered much previous empirical analysis in the literature on central bank intervention. The empirical results suggest there was a shift in behavior by the BOJ, with a movement away from a policy of market stabilization and toward a role of support for domestic monetary policy objectives. Throughout, we observe “leaning against the wind” behavior, something that is a feature of most previous empirical analysis of central bank intervention. A comparison with a bivariate EGARCH model suggests that the bivariate stochastic volatility model produces estimates that better capture spikes in in-sample volatility. This is important in improving estimates of a central bank reaction function because it is at these periods of high daily volatility that central banks more frequently intervene.     

Foreign Exchange Intervention by the Bank of Japan: Bayesian Analysis Using a Bivariate Stochastic Volatility Model

A bivariate stochastic volatility model is employed to measure the effect of intervention by the Bank of Japan (BOJ) on daily returns and volume in the USD/YEN foreign exchange market. Missing observations are accounted for, and a data-based Wishart prior for the precision matrix of the errors to the transition equation that is in line with the likelihood is suggested. Empirical results suggest there is strong conditional heteroskedasticity in the mean-corrected volume measure, as well as contemporaneous correlation in the errors to both the observation and transition equations. A threshold model is used for the BOJ reaction function, which is estimated jointly with the bivariate stochastic volatility model via Markov chain Monte Carlo. This accounts for endogeneity between volatility in the market and the BOJ reaction function, something that has hindered much previous empirical analysis in the literature on central bank intervention. The empirical results suggest there was a shift in behavior by the BOJ, with a movement away from a policy of market stabilization and toward a role of support for domestic monetary policy objectives. Throughout, we observe “leaning against the wind” behavior, something that is a feature of most previous empirical analysis of central bank intervention. A comparison with a bivariate EGARCH model suggests that the bivariate stochastic volatility model produces estimates that better capture spikes in in-sample volatility. This is important in improving estimates of a central bank reaction function because it is at these periods of high daily volatility that central banks more frequently intervene.     

An empirical Bayesian forecast in the threshold stochastic volatility models

In the area of finance, the stochastic volatility (SV) model is a useful tool for modelling stock market returns. However, there is evidence that asymmetric behaviour of stock returns exists. A threshold SV (THSV) model is provided to capture this behaviour. In this study, we introduce a robust model created through empirical Bayesian analysis to deal with the uncertainty between the SV and THSV models. A Markov chain Monte Carlo algorithm is applied to empirically select the hyperparameters of the prior distribution. Furthermore, the value at risk from the resulting predictive distribution is also given. Simulation studies show that the proposed empirical Bayes model not only clarifies the acceptability of prediction but also reduces the risk of model uncertainty.     

基于高维波动率网络模型的股票市场风险特征研究

波动率是金融风险管理研究的重要内容之一。本文基于复杂网络理论和数据挖掘技术提出股票市场的高维波动率网络模型。首先运用互信息度量不同股票价格波动之间的相关关系，其次对股票市场不同周期下的波动情况建立度的中心势、平均距离、幂律分布等网络拓扑指标，再次根据这些指标利用Prim算法构建出高维波动率网络模型，最后运用Newman-Girvan算法对股票价格波动率的相关性进行分层研究。高维波动率网络模型突破了传统波动率模型关于变量维数的限制，能够在依赖少量假设的基础上，挖掘出多个金融市场主体间的相互关系，反映金融市场的风险特征及网络拓扑性质。实证结果发现：与常用的Pearson相关系数法相比，在互信息框架下，股价波动的非线性相关关系得到了更好的度量；股票市场的整体波动性与个股波动率相关性变化趋势相反，市场处在高波动时期资产组合分散化效果较好；网络中存在少量度数大的关键节点和中心节点，风险通过这些节点可以迅速传递到整个市场；股票市场的运行具有明显的行业聚集现象；网络分层研究进一步直观的展现了风险在层与层之间的传递规律和与之对应的行业特征。高维波动率网络模型为挖掘股票市场的风险特征与管理金融风险提供了一个新的工具。     

金融危机和地产调控冲击下地产板块和整体股市的波动性研究

本文采用股票指数数据，通过BEKK—GJR—GARCH模型考察了地产板块和整体股市之间的均值溢出和波动溢出效应，并在此基础之上，进一步考察了在金融危机发生的特定时间窗口下，两者之间的波动溢出效应。此外，本文在引入表征危机事件和地产调控冲击的虚拟变量之后，考察了冲击对地产板块和整体股市波动性的影响。本文的实证模型考虑了非对称性因素并采用广义误差分布（GED）处理“厚尾”问题，是对现有研究范式的有益探索。本文的实证结果认为，地产板块和整体股市之间存在着显著的波动溢出效应，均值溢出效应的存在不甚稳健，但两种溢出效应都存在明显的非对称性。地产板块对整体股市的波动溢出持续性很小，但冲击会加剧波动，反之整体股市对地产板块的则具备持续性，冲击更强烈。波动溢出在2008年金融危机和2015年股灾期间存在变化，尤其是一方对另一方的直接冲击作用都更弱了，可能由两市场联结减弱导致，但非对称性依旧突出。引入表征事件冲击的虚拟变量后，估计结果能够显示出危机和地产调控对于地产板块和整体股市的波动性存在明确影响：直接来看，2010年的房市调控影响幅度最大，超过2015年股灾和2008年金融危机，这一点值得房市调控政策制定者注意；间接来看，六次事件中的五次均对地产板块和整体股市之间的相关性有影响，普遍性很高，由此，风险监管层有必要关注不同冲击下股市内部相关性的变化。