中证500股指期货推出降低了中国股市波动吗?——来自2007—2016年沪深股市的证据

选取2007—2016年沪深股市的日收盘价时间序列为样本数据,运用小波分析法对时间序列进行了降噪处理,在此基础上,对中证500股指期货推出对中国股市波动的长期与短期影响进行了实证检验。研究结果表明:中证500股指期货推出对中国股市波动具有长期抑制作用。但是,短期来看,中证500股指期货推出对中国股市波动具有显著的助推作用,且对中证500指数波动的助推力度最大,对深圳成指波动的助推力度居中,对上证综指波动的助推力度最小。中证500股指期货推出后,中证500指数的波动率比上证综指的波动率增大了15%,深圳成指的波动率比上证综指的波动率增大了3%。     

中国股市收益率和波动率的长记忆性检验

运用修正R/S和V/S两种分析方法,选取两大盘指数(上证综指和深证成指)以及20只个股为样本,对其收益率和收益波动率序列的长记忆性进行大范围的比较研究.结果表明:对于收益率序列两大盘指数存在长记忆性,且深市强于沪市,而个股普遍不具有长记忆性;对于收益波动率序列,无论是大盘指数还是个股均存在显著的长记忆性,并且,三个收益波动率序列的长记忆性由强到弱依次为修正对数平方收益率、绝对收益率和平方收益率.     

中国股指波动率的智能预测模型与实证检验

文章提出将改进型粒子群算法与最小二乘支持向量机(LSSVM)相结合的中国股指波动率智能预测方法,利用径向基核函数LSSVM对股指波动率进行建模及预测,并将自适应惯性权重粒子群算法(AIWPSO)和动态加速系数粒子群算法(DACPSO)分别实现径向基核函数LSSVM的参数优化,建立了两种股指波动率的智能预测模型.以日内价格极差作为波动率的代理变量,通过对上证综指和深证成指的实证研究检验了两模型的有效性.检验结果表明,AIWPSO算法优化的径向基核函数LSSVM作为中国股指波动率智能预测模型,具有更高的波动率预测精度和更快的建模速度.     

沪深股市的风险测度研究

本文比较风险测度方法在不同置信水平下是否能力有效测度沪深市场风险.针对上证综指收益率具有自相关、波动集聚性和杠杆效应特征,运用ARMA-GJR模型对上证综指的负收益率序列进行MLE以求出条件均值和方差以及标准残差序列,运用10%的数据作为极值数据运用MLE方法来估计广义帕累托分布,还对风险测度方法的估计效果进行分析,认为极值VaR能有效测度沪深股市风险.     

中国股市波动率的TSK非线性组合预测模型

Grey-GARCH模型是一类新的波动率模型.针对单一Grev-GARCH类模型只能有限地提高波动率的预测精度,利用TSK模糊推理系统,结合组合预测的思想,建立波动率的TSK非线性组合预测模型.通过对上证综指和深证综指的实证分析,发现与单一Grey-GARCH类模型、RBF非线性组合预测模型和线性组合预测模型相比,TSK非线性组合预测模型总体上能够获得更高的预测精度,说明TSK非线性组合预测模型是一种有效的波动率预测分析方法.     

隐含高阶协矩:提取、分析及交易策略

在多资产投资组合的分析框架中,除单资产的收益及波动率等高阶矩外,协偏度以及协峰度等高阶协矩亦是不可忽视的系统性风险度量.本文借鉴Bakshi等(2003)等文献的研究框架,利用台湾期权市场数据提取隐含高阶总矩、隐含协矩和隐含特质矩,探讨其各自对相关已实现矩的预测效果;并进一步构建协矩交易策略.结果表明:相较偏度及峰度,隐含波动率与实际波动率走势及统计特征均更为一致.协偏度、协峰度的波动相比协方差要剧烈得多.引入多市场信息的预测效果要优于单独采用某一市场信息的效果.协矩交易策略方面:历史矩与隐含矩信息在组合构建的差异主要体现在偏度与峰度等更高阶矩上.历史协方差与协偏度在市场趋稳时期表现相对较佳;隐含协矩的优势在于策略构建的稳健性更好.期权市场信息的有效反映取决于市场的成熟、演进及交易活跃度的提升.     

基于蒙特卡罗模拟的动态风险管理

文章基于期权交易的真实策略,分析期权价值的路径趋势,并通过蒙特卡罗模拟,从内在价值、时间价值和外在波动率这三个角度来分析期权临近到期日的价值走势.实证结果显示,期权的内在价值和时间价值并非完全无关,随着期权到期日的临近,期权的内在价值和时间价值都会减少;外在波动率和杠杆率都会放大,因此不建议将期权持有至临近到期日.此外,期权市场一个月隐含波动率与历史波动率的比较检验也验证了以上观点.     

金融市场波动对宏观经济的预测信息研究

文章分析了金融市场波动性中隐含的关于未来宏观经济走势的信息。通过构建线性模型进行样本内回归分析和样本外预测精度的比较,实证研究结果表明,我国股票市场波动性蕴含着对未来两年的经济增长和价格水平波动的预测信息;外汇市场对一年内的经济变动的解释能力较强,而债券市场波动和同业拆借市场波动暂未发现关于未来经济的走势明朗的前瞻性信息。     

基于SV-Copula模型的相关性分析

内容提要: 本文结合SV模型和Copula技术,建立两变量金融时间序列的Copula-SV模型,并以上海综合指数和深圳成分指数为例利用建立的模型进行分析,根据采用不同的Archimedean Copula函数,通过使用K-S检验说明用Clayton Copula研究上证综指和深圳成指的下尾相关性,用Gumbel Copula研究上证综指和深圳成指的上尾相关性是合适的,从而风险管理者就可以根据尾部相关性,定量的研究两个市场的相关性及预测市场的变化。     

基于Tompkins方法的KMV模型研究

传统的KMV模型使用公司价值历史波动率来近似替代波动率.针对我国股市波动不稳定,尤其是重大经济事件或政治事件的信息披露,以及金融市场上可能存在的影响金融资产价格波动率的季节性或周期性等因素对标的资产市场产生影响较大这一特性,文章把基于历史数据的估计和对波动率变化规律的认识结合起来,综合运用各种定量与定性分析的工具,即运用预测波动率估计的基本思想替代了传统的历史波动率求解方法.实证分析表明,该方法能使模型对信用风险的预测更具准确性和前瞻性.     

基于Gibbs抽样的随机波动模型族的贝叶斯研究

文章运用Gibbs抽样的MCMC方法对上证综指建立SV-N、SV-MN、Leverage SV三类随机波动模型,并利用DIC准则进行优劣比较分析.实证结果表明,具有杠杆效应的随机波动模型,即Leverage SV模型较其他两类模型能更好地描述上海股市的波动性.     

无模型隐含波动率的信息含量与定价能力——基于上证50ETF期权的实证研究

本文从上证50ETF期权价格中提取无模型隐含波动率并检验其信息含量,基于随机折现因子理论推导波动率风险的系统性与正负性判定公式,从波动率风险溢酬和相关性两方面验证波动率是否为系统性风险,进而基于A股市场的个股数据检验波动率风险在股票截面收益上的定价能力。研究结果表明：无模型隐含波动率包含BS隐含波动率中的所有信息和历史波动率中的大部分信息,是未来已实现波动率的有效估计;市场波动率为系统性风险因子且存在显著为负的风险溢酬;组合分析表明,对市场波动率暴露较大的股票组合在未来的收益较低,且暴露最大与最小股票组合的收益率之差显著为负,该结论在控制经典风险因子和改变交易策略之后依然稳健;Fama-MacBeth两步法结果表明波动率风险被定价且风险价格显著为负。     

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.     

基于马尔可夫链的欧元汇率走势分析

自欧元问世以来,其汇率波动及走势就一直备受各界关注.本文根据这两年的欧元汇率数据,运用马尔科夫链预测方法,对欧元的汇率波动特征及其走势作出了分析与预测,并给出了相关结论与建议.     

基于信息分解的波动性研究——来自中国股票市场的实证

在构建市场信心指数和市场活跃指数的基础上,借助于GARCH-M模型对市场的信息变量与波动性的关系进行研究.除通常的一些研究结论外,还得到以下结果:两种信息变量对市场波动有绝对的影响;市场活跃指数对波动有非对称的影响效果;上海市场的市场信心指数无非对称性的影响,但深圳市场低迷的市场信心会引起市场更大的波动.     

基于APF算法的贝叶斯金融厚尾MSSV模型研究

针对金融时间序列普遍具有的波动聚集性和厚尾特征,将对风险管理尤为重要的一些极端点纳入模型之中,构建厚尾马尔科夫转移随机波动模型,采用带辅助变量的粒子滤波算法对波动和潜在状态进行预测,并估计模型参数.由于t分布与正态分布的特殊关系,通过选取不同自由度进行仿真分析,研究发现MSSV-t模型较一般MSSV模型对于消除波动持续性参数的高估问题更加有效.结合对中国上证综指股价波动的实证研究,证明了基于APF算法的MSSV-t模型在潜在波动状态的预测及突发事件的探测方面具有优良的性质,同时具备提高波动预测精度的能力.     

考虑高维宏观信息的波动率与股票价格预测

为刻画股票价格的非线性动态特征,并充分利用高维宏观经济变量对股价的预测能力,文章基于LSTM模型、LASSO降维和混频模型,研究了高维情形下利用低频宏观经济变量预测高频股价的问题。首先,使用LASSO方法对高维宏观经济变量进行筛选,并进行因子分析提取宏观因子;然后,使用该宏观因子构建混频GARCH-MIDAS模型以预测波动率;最后,以包含宏观经济信息的波动率和通过因子分析降维后的技术指标因子作为特征,输入LSTM神经网络模型来预测上证综指价格。结果表明,LSTM-GARCH-MIDAS模型具有较高的预测精度和良好的适用性。     

基于高频数据的金融波动率模型

金融高频数据和金融波动率是目前金融领域研究的热点问题。本文对基于金融高频数据的金融波动率估计量——"已实现"双幂次变差进行了建模和预测。"已实现"双幂次变差无模型、计算简便,在一定条件下是金融波动率的无偏估计量,并且具有稳健性和有效性。通过用上证综指对"已实现"双幂次变差进行ARFIMA建模,发现中国股票市场的上证综指"已实现"双幂次变差时间序列具有长记忆性。     

基于Markov区制转换模型的极值风险度量研究

将马尔科夫区制转换模型与极值理论相结合研究金融风险度量问题.首先用SWARCH-t模型捕捉收益率序列的剧烈波动和结构变换特征,然后将收益序列转化为标准残差序列,在此基础上通过SWARCH-t模型与极值理论相结合拟合标准残差的尾部分布,进而构建基于SWARCH- t- EVT的动态VaR模型,最后对模型的有效性进行检验.研究表明,SWARCH-t-EVT模型能够有效识别上证综指的波动区制特征,且能有效合理地测度上证综指收益风险,尤其在高的置信水平下表现更好.     

基于MCS和滑动时间窗口的金融市场长期风险度量

文章运用风险度量常用的VaR和ES指标,采用蒙特卡洛模拟方法和滑动时间窗口对上证综指1～24个月期限长度的风险进行度量.结果表明,长期风险具有三个主要特征,即风险随时间增加而增大、风险期限结构与“初始波动率大小”及“资产是否提供部分稳定回报”这两个因素密切相关,以及不同时点测算的风险期限结构间的大小关系具有稳定性.风险度量结果对长期风险的累积性暴发有预测作用.