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。     

A segmented regime-switching model with its application to stock market indices

This paper evaluates the ability of a Markov regime-switching log-normal (RSLN) model to capture the time-varying features of stock return and volatility. The model displays a better ability to depict a fat tail distribution as compared with using a log-normal model, which means that the RSLN model can describe observed market behavior better. Our major objective is to explore the capability of the model to capture stock market behavior over time. By analyzing the behavior of calibrated regime-switching parameters over different lengths of time intervals, the change-point concept is introduced and an algorithm is proposed for identifying the change-points in the series corresponding to the times when there are changes in parameter estimates. This algorithm for identifying change-points is tested on the Standard and Poor's 500 monthly index data from 1971 to 2008, and the Nikkei 225 monthly index data from 1984 to 2008. It is evident that the change-points we identify match the big events observed in the US stock market and the Japan stock market (e.g., the October 1987 stock market crash), and that the segmentations of stock index series, which are defined as the periods between change-points, match the observed bear–bull market phases.     

新闻对上海股票市场股价影响的实证分析

文章在界定新闻含义的基础上,借鉴国外学者在外汇领域建立新闻模型的研究思路和方法,建立股票市场狭义线性新闻模型,试图从新闻角度来解释股价变动的原因。以沪市为例进行实证研究表明,在所取样本区间,股票市场狭义线性新闻模型成立,新闻对沪市股价变动有显著影响:"人民币/美元汇率指数"新闻项、"消费价格指数"新闻项和"燃料动力价格指数"新闻项对股价变动存在显著性影响。     

中国证券市场的ACD-GARCH模型及其应用

一、引言随着计算机技术的飞速发展 ,人们可以获得采样频率越来越高的股票、汇率等金融数据 ,甚至可以获得股票市场、外汇市场实时的每笔成交数据。这些数据称之为高频数据。高频数据的获得使人们可以进一步研究市场的微观结构和运行机制。Easley ( 1996 )、Diamond和Verrecchia ( 1987)、Glosten和Milgrom ( 1985 )、Hasbrouck( 1998)和O’Hara( 1995 )等在研究市场微结构时指出 ,在交易中、价格变化中和买卖指令期间的等待时间对了解金融市场的私人和公共信息具有关键性的作用。为了利用交易到达时间和买卖价更新时间对金融市场微观结…     

Identifying Bull and Bear Markets in Stock Returns

This article uses a Markov-switching model that incorporates duration dependence to capture nonlinear structure in both the conditional mean and the conditional variance of stock returns. The model sorts returns into a high-return stable state and a low-return volatile state. We label these as bull and bear markets, respectively. The filter identifies all major stock-market downturns in over 160 years of monthly data. Bull markets have a declining hazard functions although the best market gains come at the start of a bull market. Volatility increases with duration in bear markets. Allowing volatility to vary with duration captures volatility clustering.     

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。     

中国股市A、B指长期均衡关系的实证分析

文章运用计量经济学中的协整理论,对1997年1月1日至2001年2月19日及2001年2月28日至2004年12月31日两个阶段上证A、B指间及深圳成分A、B指间的长期均衡关系进行了实证分析,得出中国股市A、B股分割状况有所改善的结论,并从信息的构成、处理、转化、传递的角度对沪、深两市的差异进行了解释。     

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。     

股指期货价格发现功能的实证研究——基于现货指数变化趋势

依据香港股指期货市场数据，分别对香港恒生指数在指数振荡上行与振荡下降两阶段，利用Granger因果关系检验、方差分解、脉冲响应等方法，对股指期货与股指现货价格的领先滞后关系进行研究，得出股指期货在恒指振荡上行阶段具有价格发现功能，在恒指振荡下降阶段，现货领先期货，股指期货不具备价格发现功能。     

中国股指期货与股票市场波动性关系的实证分析

使用修正的EGARCH模型与VaR方法检验股指期货的推出对中国股票市场波动性所产生的影响。采用的数据为沪深300指数,样本数据分为股指期货推出前,股指期货推出后的短期、中期和长期与样本数据全体五个时间段。研究表明,从股指期货推出的短期与中期来看,市场对信息的反应比较混乱。从长期来看,股指期货的推出加速了信息的传递速度并且弱化了非对称效应,并没有加大股市的波动性。VaR方法检验表明,股指期货的推出有效降低了股市风险,使A股市场更加成熟和完善。     

沪港台三地股市波动的风险传导效应研究

由于受到地理位置、经济文化等因素的影响,沪港台股市在收益率波动上存在相关性。利用Granger因果检验和Chi-plot图检验两种方法分别对沪港台股市波动进行了实证研究。结果一致表明：沪台股市的收益率波动存在双向传导效应,沪港两市的收益波动仅存在显著的港市对沪市的单向“溢出效应”,而沪台两市传导效应相对较弱。但沪港台三市的收益波动均存在明显的“杠杆效应”。     

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。     

基于偏好变量的指数跟踪方法

考虑到在进行指数跟踪时影响强度大并且流动性好的成份股往往是被偏好的,结合股票市场的网络结构和指数的编制规则,提出基于偏好变量的指数跟踪方法;对沪深300指数进行实证分析,从跟踪偏离度、平均超额收益和年跟踪误差三方面对新方法进行评估,并与非负LASSO模型进行对比分析。实证结果显示,新方法不仅优于非负LASSO模型,而且优于市场上大多数指数基金。     

A dynamic analysis of stock markets using a hidden Markov model

This paper proposes a framework to detect financial crises, pinpoint the end of a crisis in stock markets and support investment decision-making processes. This proposal is based on a hidden Markov model (HMM) and allows for a specific focus on conditional mean returns. By analysing weekly changes in the US stock market indexes over a period of 20 years, this study obtains an accurate detection of stable and turmoil periods and a probabilistic measure of switching between different stock market conditions. The results contribute to the discussion of the capabilities of Markov-switching models of analysing stock market behaviour. In particular, we find evidence that HMM outperforms threshold GARCH model with Student-t innovations both in-sample and out-of-sample, giving financial operators some appealing investment strategies.     

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。     

深圳股票市场成分指数的持续性分析

一、引言持续性分析(Duration Analysis)又称“生存分析”(Survival Analysis)或“风险性分析”(HazardAnalysis)。它是研究某一变量持续某种状态的时间长度的分析方法,已被广泛地应用于工程、医学和生物学等领域。70年代末,经济学家开始采用这种分析方法研究失业时间的持续性,     

我国股指期货价格发现功能研究

本文基于沪深300股指期货5分钟高频数据,利用协整检验、误差修正模型和脉冲响应函数研究了我国股指期货长短期的价格发现机制,并用信息共享模型、共因子模型研究了我国股指期货市场的价格发现贡献程度,在此基础上,引入分位数回归,探讨不同涨跌幅度的期现关系。实证结果表明：我国指数期货和现货价格存在相互引导关系,而现阶段现货市场能更快反应全部市场的冲击,且现货市场在价格发现功能中的作用相对较大;随着涨跌幅度的变化,现货对期货的影响呈U型走势,而期货对现货的影响呈单边上升走势。     

基于Copula函数的金融市场尾部相关性分析

在常规极大似然估计法中，Copula函数的参数估计受边缘分布函数拟和的影响较大，鉴于此，用基于秩的极大似然法估计Copula函数的参数，并结合常见的4类双参数非对称BBx—Copula函数，对民生银行和浦发银行这两只股票的尾部相关性进行实证分析，结果表明股票市场在低迷时期的尾部相关性高于活跃时期的尾部相关性。     

A dynamic double asymmetric copula generalized autoregressive conditional heteroskedasticity model: application to China's and US stock market

Modeling the relationship between multiple financial markets has had a great deal of attention in both literature and real-life applications. One state-of-the-art technique is that the individual financial market is modeled by generalized autoregressive conditional heteroskedasticity (GARCH) process, while market dependence is modeled by copula, e.g. dynamic asymmetric copula-GARCH. As an extension, we propose a dynamic double asymmetric copula (DDAC)-GARCH model to allow for the joint asymmetry caused by the negative shocks as well as by the copula model. Furthermore, our model adopts a more intuitive way of constructing the sample correlation matrix. Our new model yet satisfies the positive-definite condition as found in dynamic conditional correlation-GARCH and constant conditional correlation-GARCH models. The simulation study shows the performance of the maximum likelihood estimate for DDAC-GARCH model. As a case study, we apply this model to examine the dependence between China and US stock markets since 1990s. We conduct a series of likelihood ratio test tests that demonstrate our extension (dynamic double joint asymmetry) is adequate in dynamic dependence modeling. Also, we propose a simulation method involving the DDAC-GARCH model to estimate value at risk (VaR) of a portfolio. Our study shows that the proposed method depicts VaR much better than well-established variance–covariance method.     

中国股票市场波动率的多重分形分析与实证

我国股票市场波动表现出随时间变化的动态特征。文章采用多重消除趋势波动分析法(MFDFA),对沪深股市四个主要指数的日波动率时间序列进行了分析。结果表明,沪深股市四个主要指数的日波动率时间序列均表现出多重分形特征,且上证指数和中证500指数日波动率序列相对于其他两个指数日波动率序列表现出更强的多重分形特征。各指数日波动率时间序列的多重分形特征均是自身的长程相关性和波动的厚尾分布共同作用的结果,且波动的厚尾分布对原始序列的多重分形特征的影响比长程相关性大。