政策关联--数据挖掘在股市中的运用

我国股市成立至今有十几年的历史,是一个新兴的市场。在股市成长的过程中,政府用了各种政策对股市进行规范。政府的这些政策会对股市产生什么样的影响呢?孙华妤和马跃(2003)认为国家货币政策在一定程度上能够影响股市的波动。史代敏(2002)研究了政策对股市波动的影响的深度、广     

基于非参数核估计的股市风险理论及应用研究

根据中国股市非市场化特点与股权分置改革的影响等问题,在股票市场价格严重失真情况下,运用非参数核估计方法,拟合了股市的理论收益率指标,通过对比股市实际收益率指标显著性偏离关系,提出了中国股市风险理论的独特含义与计量方法。实证显示：非参数核估计能够很好估计股市理论收益率指标,准确地计量中国股市风险动态变化情况。     

基于LSTAR模型的中国股市泡沫风险识别

本文在非线性模型框架下拟合中国主要股价指数的真实数据生成过程,并提出股市泡沫风险识别方法,较Phillips et al.（2011）提出的上确界单位根(SADF)方法具备更好的效果,能够精准预判股市泡沫风险进而为防范化解金融风险的政策措施提供参考。实证检验发现,主要股价指数的波动均存在逻辑平滑转换自回归(LSTAR)模型描述的非线性特征,自推出以来,四大股价指数均存在泡沫风险,上证指数存在六个主要的持续期,深圳成指存在四个主要的持续期,沪深300指数存在两个主要持续期,而创业板指数存在三个持续期。总体来看,创业板指数的泡沫生成时间会先于其它三大指数,可以作为预警中国股票市场泡沫风险的先行指标,且2015年7月之后的中国股票市场并不存在泡沫风险。     

股市风险的测定与规避

股票投资如同其他投资形大样，具有风险，而股票市场的显著特征又是高收益与高风险的对存，股市‘到处布满了陷阶又开满了鲜花，令人生畏又令人神往”。因此，一个明智的投资者就应该熟悉一些衡量股市风险的方法和避险技巧。1股市风险的定义。风险是一个难以理解和捉摸的概念，因此，要给风险下一个确切的定义是很困难的。股市的风险源于股票价格的不确定（或称波动），因此，可以认为股币的风险就是持有的股票价格下跌的可能性。在实际应用中，通常用股票价格涨跌幅度的平均离差，即它们的标准差或方差来衡量股市风险的大小。离差愈大，风…     

VaR模型在我国沪、深股市风险度量中的实证

文章以上海和深圳证券交易市场为研究对象,选择2007年1月4日到2008年12月31日的上证综指和深证成指的每日收盘价共976个数据为样本,分别采用历史模拟法和方差-协方差法这两种常用的VaR模型对中国股票市场风险进行实证分析,并得出沪、深股市整体风险较大但深市又大于沪市及投资于证券市场组合可以分散投资风险的重要结论.     

基于Copula理论的投资组合风险测度

文章基于现代前沿的Copula理论,以中国股市八个行业板块指数的组合为研究对象,构建了Copula-GARCH模型,得到了更加准确的组合收益联合分布函数。通过蒙特卡洛模拟法获得投资组合的VaR,回测检验表明Copula-GARCH模型能够较Riskmetrics和历史模拟法的更加准确地描述组合风险。这为我们在国内股票市场上应用Copula理论管理证券投资市场风险提供了理论依据。     

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。     

沪、深股市收益率风险的极值VaR测度研究

资产组合的ＶａＲ是指在某一置信水平下 ,该资产组合可能遭受的最大损失 ,或者说 ,ＶａＲ即资产组合收益率损失分布函数的某一分位点。由于传统的方差 协方差法、历史模拟法、蒙特卡洛模拟法在估计金融资产收益率的ＶａＲ值上的低效 ①,ＦｒａｎｃｏｉｓＬｏｎｇｉｎ等学者便将统计极值理论引入到估测ＶａＲ的研究中来 ② 。本文将运用近年发展起来的这些极值ＶａＲ方法来测度沪、深股市收益率的市场风险 ,同时也对极值方法、半参数方法 ③ 以及传统ＶａＲ方法的测度效果进行比较。　　一、估测ＶａＲ的极值方法通常有两类估测ＶａＲ的极值…     

基于GARCH类模型的上证股市波动性研究

文章在回顾ARCH/GARCH类模型的基础上,用GARCH模型进行上证股市波动性的实证研究,用GARCH-M模型分析风险溢价情况,以及用EGARCH模型进行股市波动的非对称性实证研究.结果表明,GARCH模型能消除残差的异方差性,股市波动存在强烈冲击,收益有正的风险溢价,股市中坏消息引起的波动比同等大小的好消息引起的波动要大得多,存在明显的杠杆效应.最后给出一些相关结论和建议.     

资产价格泡沫对消费的影响:抑制还是促进?

基于单位根右侧ADF泡沫检验方法(BSADF)对中国股市和楼市在2001—2015年间的周期性泡沫进行动态挖掘;在全面分析股市泡沫和楼市泡沫的存续周期及异质性特征基础上,采用马尔可夫区制转换向量自回归模型(MS-VAR)分析这些泡沫对不同层面消费需求的影响差异。研究表明:在整个研究时期内,股市和楼市均出现多次周期性泡沫,其中股市在2006年11月至2007年12月间出现了最严重泡沫,而楼市在2005年10月至2006年2月期间出现了最严重泡沫。楼市泡沫对不同消费需求存在显著的抑制效应,股市泡沫对不同消费需求存在一定的促进效应,且楼市泡沫的抑制效应显著大于股市泡沫的促进效应。股市泡沫和楼市泡沫对不同消费构成的影响存在区制依赖特征。因此,对待楼市泡沫和股市泡沫应实施差异化的防范措施,重点应在于通过抑制楼市泡沫进而缓解其对消费需求的抑制效应。     

基于VaR的股市政策效应分析

随着市场化改革的不断深入,传统的以政策直接干预股市的做法愈显力不从心.文章借助VaR方法对不同阶段,不同类别的股市政策进行效应分析,并提出相应建议.     

冰冻三尺，岂是一日之寒？

最近,老有投资者抱怨:这个股市太可怕了,我的股票跌得没完没了,不知什么时候能解套?面对这样的问题,我不禁觉得感慨万千,记得去年的这个时候,老有投资者说:我的某某股票赚了多少钱了,但我没卖,因为我相信它还能翻番……     

表外信息在个人投资决策中的重要作用

近两年股市走出的强劲势头,使中国的老百姓越来越多地参与到各种投资领域,特别是股市。但是,投资总是和一定的风险结合在一起的,资本市场更是一个高收益和高风险     

做更好的自己——11年调查人生涯带来的三大变化

<正>到2022年7月份,我在国家统计局江苏调查总队（以下简称江苏调查总队）工作,已满11个年头。回顾这11年的调查人生涯,自己收获了很多、成长了很多、感悟了很多、蜕变了很多。在当下这个时间节点上总结,可以把统计调查工作对自己的改变,总结为三个方面的变化。变化之一——用数字说话与会用数字说话。进入江苏调查总队工作之前,尽管自己在大学里学习的专业,分别是计算机和经济学,但作为从小延续至今的文史爱好者,我在写文章、     

基于风险预期的深市收益率预报研究

在预报股市收益率时考虑到股市风险波动及其结构性变化对股民心理预期的影响,采用状态空间理论将静态风险溢价GARCH-M模型改进为动态风险溢价模型。以中国深圳股市作为算例,研究了2006年1月至2008年8月深市风险的波动及股民风险预期的变化,并据此模拟了深市2008年8月的收益率,结果表明改进模型解释力更强,拟合精度更高,比一般的GARCH-M预报结果更准确。     

谁搅动了股市春水？

随着经济社会不断发展，如今股市与普通中国人的联系越来越紧密。毫不夸张地说，甚至有部分人的喜怒哀乐也与股市的涨涨跌跌高度相关。     

谁搅动了股市春水?

随着经济社会不断发展，如今股市与普通中国人的联系越来越紧密。毫不夸张地说，甚至有部分人的喜怒哀乐也与股市的涨涨跌跌高度相关。     

股市波动与政府双重金融政策目标—股市波动的博弈分析

年初的全国金融工作会议为近期的股市政策和股市运行定下了基调,那就是稳定压倒一切,而运行了十二年的中国股市却经常是大幅波动。对此,文章从剖析引起股市大幅波动的原因即双重金融政策的内在逻辑矛盾入手,指出避免股市大幅波动的对策在于建立金融政策的信用。     

中国股市特质风险的实证研究

文章利用1998～2008年我国股市中全部股票的日收益数据来计算我国股市的特质风险,发现自1998年以来,我国流通市值加总的大盘、行业以及公司特质风险出现先降后升的趋势.我国证券市场中个股收益率的渡动主要来自于整体股市以及个股所在行业的特质波动,个股的特质风险对其本身收益率的波动影响很小.同时,我国股市的特质风险不具备对GDP增长的预测作用.     

上证50ETF期权隐含波动风险对资本市场风险的预警能力分析

使用上证50ETF期权数据计算隐含波动率风险来刻画"常规"的波动,使用隐含尾部风险刻画非对称的隐含波动风险,构造出了对中国股票市场有显著风险预警能力的风险测度。首先,选取上证50指数和沪深300指数,使用两指数收益率序列的高阶矩作为股市未来的风险度量,用长短国债利差作为宏观风险的代理变量,证实了上证50ETF期权隐含波动率风险和隐含尾部风险对未来6个月内的股票市场风险和宏观风险都有显著预测能力。其次,使用有变点的分位数自回归模型对隐含尾部风险进行建模,并在贝叶斯框架下使用MCMC方法估计出了两个隐含尾部风险的突变日期:2016年3月3日和2017年12月15日。使用以上两个突变日期将股指序列和长短国债利差序列划分为三个时期,发现三个时期内的股票市场风险和宏观风险都有显著的差异。观察差异结果可以发现,当金融市场处于高波动风险时,宏观风险也相应较高,尾部风险呈高分位膨胀性;随着尾部风险的突变发生,金融市场和宏观市场风险开始降低并结束波动期,继而迎来一段时间的稳定上升;当市场一直处于较为稳定的上升状态并伴随着较低的宏观风险时,此时尾部风险逐渐增加并再次发生突变,预示着股票和宏观市场再一次迎来一段波动期。研究证明,期权隐含波动风险对股票市场乃至宏观资本市场都有显著的风险预警能力。