我国石油上市公司股价波动率分析——基于随机波动模型

笔者尝试将物理学与会计学结合在一起,采用随机波动模型,研究了我国石油行业上市公司股价的波动率。经过数据的分析,发现随机波动模型能够较好地捕捉到波动聚集的特征。同时,通过使用R软件,能够很好地进行模拟并得到一系列模拟数据,将复杂的经济动态直观地展现在我们面前。     

基于 EIS 的杠杆随机波动率模型的极大似然估计

杠杆随机波动率( SV-L) 模型在金融计量学文献中已经引起了广泛的关注,然而,它的参数估计一直是一个难点． 本文基于有效重要性抽样( EIS) 技巧,给出了 SV-L 模型的极大似然( ML) 估计方法． 为了检验提出的 EIS-ML 方法的精确性以及小样本性质,构建了蒙特卡罗( MC) 模拟实验． 结果表明,EIS-ML 方法是非常准确和有效的． 最后,将 EIS-ML 方法应用于实际数据,选取上证和深证综合指数的日对数收益率数据为研究样本,利用 SV-L 模型对中国股市进行了实证分析． 结果表明,中     

基于EIS的杠杆随机波动率模型的极大似然估计

杠杆随机波动率(SV-L)模型在金融计量学文献中已经引起了广泛的关注,然而,它的参数估计一直是一个难点.本文基于有效重要性抽样(EIS)技巧,给出了SV-L模型的极大似然(ML)估计方法.为了检验提出的EIS-ML方法的精确性以及小样本性质,构建了蒙特卡罗(MC)模拟实验.结果表明,EIS-ML方法是非常准确和有效的.最后,将EIS-ML方法应用于实际数据,选取上证和深证综合指数的日对数收益率数据为研究样本,利用SV-L模型对中国股市进行了实证分析.结果表明,中国股市具有很强的波动持续性,并且存在显著的杠杆效应.     

基于ARCH模型族的沪深股市波动率研究

金融资产收益的波动率研究已成为金融计量学的核心领域,通过对上证综指和深圳成指收益率检验,发现收益率都具有ARCH效应,过去的波动对未来的影响是逐渐衰减的,且我国两市的股指收益率都具有杠杆效应。     

混合正态双因子已实现SV模型及其实证研究

  传统的波动率模型(如GARCH模型和SV模型)采用日度收益率数据对波动率建模,忽略了日内高频数据包含的丰富信息。同时,资产收益率的波动率往往展现长记忆性,资产收益率的分布展现非正态性(尖峰、厚尾),传统的波动率模型不能很好地刻画现实资产收益率的这些特征。         将包含丰富日内高频信息的已实现波动率引入传统低频SV模型中,同时考虑已实现波动率偏差修正、波动率长记忆性和资产收益率的非正态性(尖峰、厚尾),构建混合正态双因子已实现SV(2FRSV-MN)模型。 为了估计2FRSV-MN模型的参数,给出灵活且易于实现的基于连续粒子滤波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分指数5分钟高频交易数据,对提出的2FRSV-MN模型进行实证检验。         研究结果表明,已实现波动率是真实日度波动率的有偏估计(下偏),沪深股市非交易时间效应强于微观结构噪声效应;沪深股市具有强的波动率持续性和显著的杠杆效应,且杠杆效应只存在于短记忆波动率因子过程中,长记忆波动率因子过程中存在反向杠杆效应;根据赤池信息准则,2FRSV-MN模型比其他模型具有更好的数据拟合效果。 对风险值的估计结果表明,2FRSV-MN模型能较好地测量金融市场风险,但并非一定是具有最好的风险测量效果的模型,这取决于选取的概率和数据。         研究结果不仅为投资者和监管机构提供了信息和决策参考,也丰富了基于高频数据的波动率建模和市场风险测量的研究。     

股市波动的杠杆效应检验:一种新的方法

股市波动的非对称性特征一直是金融研究中关注的焦点问题。本文首次构建了一个非平衡似无关波动模型,从个股角度对波动的非对称性进行检验。通过与综合指数的对比研究,本文揭示了市场因素对波动非对称性的影响。实证结果表明,我国深证成份指数波动存在杠杆效应,而成份股波动却表现出反向杠杆效应。市场同时存在的共同因素和异质因素,是导致成份股波动和成份指数波动表现不一致的原因。进一步的研究结果表明,在消除共同因素影响后,成份股波动的反向杠杆效应会表现更明显。     

中国股票市场的时变杠杆效应研究——基于随机Copula模型的实证分析

构建随机Copula模型研究了中国股票市场在极端市场条件下的时变杠杆效应.为了解决金融市场中波动率不可直接观测的问题,采用已实现波动率测度作为隐波动率的代理变量,进而运用基于有效重要性抽样的极大似然(EIS-ML)方法估计了随机Copula模型的参数.基于沪深股市数据的实证研究表明:中国股票市场的杠杆效应具有非对称特征,即股市低收益率伴随高波动率,但股市高收益率不一定伴随低波动率;中国股票市场的杠杆效应存在显著的时变性,沪深股市杠杆效应表现出类似的变化趋势;随机Copula模型相比其它Copula模型(静态Copula模型和时变Copula模型)具有更好的数据拟合效果.     

股票收益随机波动模型研究

通过对金融资产时间序列数据特点的分析,指出GARCH模型在描述金融资产时序数据的局限,尝试用随机波动模型刻画股票收益的波动规律,采用GMM方法估计模型参数,并以上海证券交易所综合指数日收益率数据为样本,对沪市指数收益波动进行实证研究,探讨涨跌停板制度对股市波动的作用。     

具有相关波动因子的广义随机波动HJM模型

基于Heath-Jarrow-Morton( HJM)模型框架,将远期利率波动率设定为服从广义均值回归平方根过程的随机变量,以刻画隐性随机波动因子的动态特性,并通过将漂移项限制条件推广至波动因子之间,以及利率波动率的变化与利率变动之间存在相关性情况,建立了广义的多因子HJM模型.在该模型框架下,基于一类特定波动率设定形...     

向量随机波动模型的共因子研究

提出了向量随机波动模型波动协同持续(common persistence in vo lat ility) 的定义, 证明 了波动协同持续与协整(co in tegrat ion) 两者之间的等价关系; 同时, 基于Stock2W at son 与 Gonzalo2Granger 因子分解, 给出了协同持续因子(common persisten t facto r) 的两种不同的表 达形式, 证明了两者间存在着协整关系. 文中讨论了在隐因子过程为VAR (1) 的假定下, 协同 持续因子的表达以及协同持续因子存在的必要条件     

多元GARCH 建模及其在中国股市分析中的应用

简要回顾了一元ARCH类模型的发展过程,介绍了多元GARCH类模型的四种形式.针对传统基于梯度信息的多元GARCH模型估计方法的不足,提出了基于遗传算法的似然估计方法,并利用中国股市数据进行了实证研究.结果说明中国股市存在着波动的持续性和显著的二元GARCH效应,并且沪、深股市不存在协同持续性.     

多元GARCH 建模及其在中国股市分析中的应用

简要回顾了一元ARCH 类模型的发展过程,介绍了多元GARCH 类模型的四种形式. 针对 传统基于梯度信息的多元GARCH 模型估计方法的不足,提出了基于遗传算法的似然估计方 法,并利用中国股市数据进行了实证研究. 结果说明中国股市存在着波动的持续性和显著的二 元GARCH 效应,并且沪、深股市不存在协同持续性.     

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...     

生产还是消费——中国股市生产资本资产定价模型实证检验

生产资本资产定价模型从企业利润最大化角度出发,推出资产的均衡价格.相较于消费资本资产定价模型,生产资本资产定价模型能更好的满足信息完全和决策者理性的假设条件.本文从生产资本资产定价模型出发,利用现值模型将生产的系统性风险因子,即生产的贝塔因子分解为现金流贝塔和折现率贝塔,并采用社会总投资和股市数据进行实证检验.本文发现生产-现金流贝塔是中国股市的重要定价因子,可较好地解释股权溢价的截面差异.相比之下,消费资本资产定价模型对不同资产之间风险溢价的解释能力较弱.     

金融市场的多分形波动率测度、模型及其SPA检验

提出一种新的金融市场波动率的测度方法--多分形波动率(multifractal Volatilty)测度,并以上证综指在长达8年左右时间内的高频数据样本为例,构造了多分形波动率的ARFIMA动力学模型.同时,运用最近提出的SPA(superior predictive ability)检验法,实证对比了多分形波动率模型与现有的如实现波动率(realized volatility)模型、GARCH模型以及随机波动(stoclaastic volatility,SV)模型对市场波动预测能力的优劣.实证结果显示,在某些损失函数标准下,文中提出的多分形波动率测度及其动力学模型具有比现有其它模型更优的波动率刻画能力和预测精度.     

非线性协整建模研究及沪深股市实证分析

讨论了线性协整和非线性协整的涵义,指出在非线性系统中,非线性协整可以更好地刻画多个时间序列之间的均衡关系.提出了利用小波神经网络逼近非线性协整函数的方法,并给出了训练小波神经网络的变尺度算法.最后利用上海和深圳股指数据进行了实证研究,通过与BP神经网络的比较,证实了小波神经网络在非线性协整建模中的有效性,并说明沪深股市之间存在着非线性协整关系.     

股市预期收益率与波动关系的研究

利用SV_m模型对Koopman等的研究结论进行了验证,对SV_m模型进行了扩展,提出了一种能捕捉非对称效应的A-SV_m模型,并用该模型和SV_m模型对预期收益率与波动的关系进行了实证研究.研究结果与Koopman等人的结论不同,表明预期收益率与波动之间的关系是时变的,而且波动(条件方差)对预期收益率的影响并不显著.结合Harrison、Campbell等人的研究对结果进行了解释.     

"T+1"交易制度下非线性证券价格动态模型及实证

考虑我国证券市场的"T+1"交易制度,构建了二维离散非线性证券价格动态模型,分析了模型中买卖者之间的异质转换速度、均值回归战略及传染效应对证券价格动态稳定性的影响,实证检验了我国证券市场的这3个主要因素.结果表明,买卖者之间的异质转化速度导致了均衡价格对于价值的偏离,并且随着传染效应的不断增大,价格呈现出复杂的运动轨迹...