基于已实现波动率的长记忆性分析

根据长记忆性的检验方法,即H/S分析法、GPH法,分别对上证指数收益率波动的长记忆性进行检验。同时,采用已实现波动率（RV）对波动进行度量,结合ARFIMA-RV、HAR-RV长记忆性模型进行分析,证实上证指数的RV序列具有长记忆性,而且HAR-RV模型能更好地对波动进行预测分析。     

"已实现"波动率理论研究与评价

"已实现"波动率是一种全新的金融波动率测量方法。"已实现"波动率在理论上没有测量误差的无偏估计量,在实证建模方面比其他模型更易于估计参数,同时最优频率的选取对于"已实现"波动率的测量精确度是很重要的。     

基于"已实现"波动的VaR计算及其持续性研究

VaR方法作为金融风险的计量工具已经得到了国际金融界的广泛认可。以往国内外文献对于VaR的计算以及对VaR的持续性的分析都是以低频金融数据为研究对象的,不能充分利用金融市场价格运动中的日内信息。将基于高频金融数据的“已实现”波动这种波动度量新方法引入到了VaR的计算中,并利用上海股票市场的高频金融数据对上海股票市场的VaR的持续性进行了实证分析,证明上海股票市场的{VaRt}存在持续性。     

中国股市已实现“核”波动研究

基于蒙特卡洛方法模拟出的股票价格路径分别考察“已实现”核波动（RK）、“已实现”波动（RV）方法的估计精度,结果表明:RK能有效滤出噪音更贴近于真实波动率。进一步将RK与分整自回归移动平均模型结合,并对其分数阶差分算法进行了修改,基于高频数据对我国股票市场的日波动率进行估计和预测。研究结果表明:RK方法在中国市场条件下具有较好的适用性,相对于RV有更好的预测效果。     

金融市场波动测量方法新进展

文章阐述了“已实现”波动的研究进展 ,针对ARCH类、SV类等主流波动模型实际应用中存在的问题 ,从理论上阐述了如何解决维数“灾难”、参数估计等问题。着重介绍了“已实现”波动、“已实现”协方差的构建以及与积分波动、积分扩散阵之间的关系 ,和国外实证研究的成果 ,同时又介绍了用“已实现”波动的测量方法构建的一些模型 ,并指出了“已实现”波动正在进行的应用领域和发展前景。     

中国股市已实现?系数的特征分析与建模研究

利用已实现波动方法对上海股市404 只股票的周?系数进行实时估计，分行业对已实现周?系数进行了统计分析，结果表明。高科技行业的?系数同其他行业的?系数有显著性差异。探讨了股本与行业因素对不同模型预测?系数结果的影响，研究表明，平均绝对预测误差MAE和均方预测误差MSE表明预测精度有随着股本增大而减小的趋势，并且保守型行业预测精度要普遍好于高科技行业的预测精度。     

中国股票市场日内波动率的分行业差异研究--以高频数据为样本

目前国内学者利用年、月等低频数据对股票市场的波动率进行了很多的研究,但以日内高频数据为基础的研究还不多见.本文借鉴国外文献,提出用已实现流动率(realized volatility)对日内波动率进行估计,同时重点对不同行业股票的日内波动率差异进行实证研究和原因分析.     

基于金融高频数据波动率计算方法的比较研究

就近年来出现的基于金融高频时间序列的三种波动率估计量进行了比较研究,从计算方法、统计性质和应用范围等多个角度进行了分析,并用深证成指做了实证研究,为理论工作者和实际操作者选取波动率估计量提供了依据。     

“已实现”β系数长记忆检验及建模预测研究

基于信息更丰富的高频交易数据,应用一种新的时变茁系数计算方法,对上海证券交易所交易的A股股票的日β系数进行实时估计,并使用长记忆随机波动模型检验了“已实现”β系数长记忆特征且对其进一步建模预测。实证结果表明,上证指数的“已实现”方差和个股同上证指数间的“已实现”协方差都具有显著且相似的长记忆特性,个股的β系数普遍不具有显著的长记忆特征;分规模分行业预测结果表明,ARMA(2,1)模型在建模预测方面存在优势;预测精度对于每一个模型都有随着组数(即规模)的     

股票指数波动率的估计方法及其应用

介绍了股票指数波动率的概念和基本的估计方法，并用有关数据进行了计算。利用其结果对股票市场的风险进行了度量，并对Black－Scholes期权定价公式进行了参数估计．对进行组合证券保险具有重要的意义。     

中国股票市场特质波动率与横截面收益研究

对中国证券市场高特质波动率有异常低横截面预期回报现象进行分析,应用截面回归和时间序列分析方法验证了特质波动率异常收益对各种风险因子以及非流动性、交易成本、信息延迟度等市场摩擦的稳健性。研究发现,与成熟市场不同,特质波动率异常收益与构造投资组合的权重无关,控制换手率的影响会减弱特质波动率对收益回报的解释能力。分析认为,这是由于中国证券市场存在大量散户投资者以及卖空机制的缺失等交易者结构与制度限制所致。     

投资者情绪与股市波动分解

个股平均相关性和平均方差的乘积能够很好地解释股市波动,股市波动分解是有效的且不受投资者情绪的影响;高涨的投资者情绪会加剧股市波动,在这一影响过程中,高情绪加剧个股平均波动的影响占据着主导地位,与此同时,高情绪对股市平均相关性的削弱会对市场总体波动的提高起到一定的反向修正作用。     

GARCH类模型波动率预测效果评价——以沪铜期货为例

以沪铜期货为例,研究了GARCH、EGARCH、FIGARCH和FIEGARCH四种模型的波动率预测效果。以已实现波动率为模型评价衡量标准,分别采用M-Z回归和损失函数进行预测效果检验,结果表明,无论残差服从高斯分布还是t-分布,不同的GARCH类模型预测效果有显著差异,其中FIGARCH模型预测效果最好,其次是GARCH模型,EGARCH和FIEGARCH模型预测效果不佳。此结论说明我国铜期货市场具有显著的长记忆性,但不具有非对称效应。