基于ACD模型的中国股市日内流动性研究

本文以交易量持续期(市场吸收一定交易量所需要的时间)作为股票市场日内流动性度量指标,采用五个ACD模型研究了中国证券市场中日内流动性的特性及其最佳描述模型.实证结果表明WACD(2,1)模型拟合日内流动性序列的效果最理想,可以用来描述和预测流动性;同时还发现我国证券市场的流动性存在明显的聚类现象;流动性过程是一个均值回复过程,当前时刻的流动性对未来期望流动性有影响,其影响呈Weibull形式衰减.     

超高频数据的日内效应调整方法研究

日内效应在金融高频数据研究中已被广泛证实,是一种日内周期性运动的动态效应,它影响了以微观金融指标为参数的计量模型的准确估计。基于金融超高频持续期数据,本文首先论述了日内效应调整的重要性,然后引入自适应映射(SOM)的方法对日内效应进行调整。SOM是一种基于神经网络学习的特征提取方法,能够动态识别高维数据中的结构特征,克服了静态调整方法的不足。最后通过建立基于自回归条件持续期模型(ACD)的蒙特卡罗模拟实验,比较了三种日内效应调整方法的效果。模拟结果表明SOM方法在日内效应调整中更为有效和稳定,特别适合大数据条件下的周期性结构分析。     

交易量持续期的模型选择：密度预测方法

运用密度预测方法,考虑残差项分别服从威布尔、伽玛和极值分布情况下,选取在上海证券交易所上市的浦发银行和G中海两支股票的高频交易数据,对拟合交易量持续期的对数自回归条件持续期(LOG-ACD)模型、随机条件持续期(SCD)模型和马尔科夫转换自回归条件持续期(MSACD)模型进行了评价比较研究。研究表明,绝大部分模型捕捉到了交易量持续期的聚集性特征;MSACD模型无论在模型样本内拟合还是模型样本外预测方面,均优于LOG-ACD模型和SCD模型。     

中国股市超高频持续期序列长记忆性研究

针对股市超高频持续期序列,提出了长记忆随机条件持续期模型(LMSCD),并设计了一类基于混沌禁忌遗传算法的谱似然函数模型参数估计方法,通过Monte Carlo模拟实验,验证了方法的可行性.然后,利用沪市浦发银行股票的超高频数据,分别建立了交易持续期、价格持续期和交易量持续期的长记忆随机条件持续期模型,验证了中国股票市场超高频持续期序列长记忆性的存在.     

SCD模型与ACD模型比较研究

针对近几年在研究金融市场超高频序列时出现的ACD模型和SCD模型,先从理论上探讨了ACD模型、SCD模型与ARMA模型之间的关系,指出两类模型均可转化为ARMA模型,具有一定的相通性;然后实证比较了两类模型的自相关函数对实际数据自相关系数的刻画能力,以及利用基于随机模拟的似然比检验方法,从实证角度比较两类模型对持续期序列的拟合优度,得出在拟合金融市场超高频持续期数据时,SCD模型比ACD模型更具有优势。     

价格持续期的非对称对数ACD模型及其应用

通过建立两状态价格持续期的非对称对数ACD模型,刻画价格持续期过程对不同价格状态的不对称依赖关系和对未预期到的短价格持续期冲击与未预期到的长价格持续期冲击的不对称响应过程,并在该模型中引入买卖价差和交易规模变量,检验市场微观结构理论相关假说。模型拟合结果表明,价格上升和价格下降两种状态对价格持续期的影响不同,未预期到的短价格持续期冲击对价格持续期有正面影响,而未预期到的长价格持续期冲击对价格持续期有负面影响;对市场微观结构信息模型的实证分析表明,滞后买卖价差和滞后交易量具有信息含量,它们与价格持续期显著负相关;隐藏交易假说没有得到实证的支持,在选取样本中大规模交易量比中等规模交易量对价格持续期有更加显著的影响。     

行情公告牌信息对交易者行为的影响——基于自回归交易持续期模型(ACD)的分析

本文研究的内容是分析证券市场行情公告牌上提供的信息(存量信息)含量和委托指令流提供的信息(流量信息)含量,并采用ACD模型来检验研究这些信息如何影响我国投资者的行为。从本文研究的结论来看,我国在证券交易所信息披露的建设方面应有所侧重,在保持目前存量信息披露的程度下,笔者认为应进一步加强对流量信息的披露,如指令流动的来源和市场参与者的身分等相关信息。     

基于藤Copula方法的持续期自相依结构估计及预测

本文基于Copula方法对由高频分笔数据得到的交易量持续期进行了研究。应用多元藤Copula方法对连续几个交易量持续期之间的自相依结构进行估计,在此基础上提出了一种新的条件密度函数估计方法,进而给出了交易量持续期的预测。对中国石化高频分笔数据进行实证分析的结果表明,本文模型对持续期的预测能力要明显优于EACD模型,在密度函数预测检验方面,本文模型也有更好的表现。     

行情公告牌信息对交易者行为的影响——基于自回归交易持续期模型(ACD)的分析

本文研究的内容是分析证券市场行情公告牌上提供的信息(存量信息)含量和委托指令流提供的信息(流量信息)含量,并采用ACD模型来检验研究这些信息如何影响我国投资者的行为。从本文研究的结论来看,我国在证券交易所信息披露的建设方面应有所侧重,在保持目前存量信息披露的程度下,笔者认为应进一步加强对流量信息的披露,如指令流动的来源和市场参与者的身份等相关信息。     

基于订单持续期的投资者订单提交策略研究

运用ACD模型,采用2003年12月深成指43只成份股共计1 825 415条的逐笔委托记录,通过对订单持续期的实证检验分析了中国证券市场投资者的订单提交策略,研究发现:1)价差假说、深度假说、波动性假说、交易强度假说、信息透明度假说和订单积极性假说被证实,说明市场微观特性、市场状况、信息和订单提交者成交愿望等都影响投资者的订单提交策略;2)涨跌假说得到支持,说明股票价格涨跌影响该股票的订单持续期;撤单是机构投资者制定订单提交策略的重要手段.     

基于价格离散选择模型的中国股市价格行为特征研究

有关股票价格行为的研究大多数基于价格连续变化的假定.但最小报价单位引起的价格离散性导致价格变化并不连续.依据排序Probit模型原理,建立价格离散选择Probit模型,并利用高频数据,在价格离散奈件下对中国股市价格行为特征进行考察.实证结果表明:股票价格变化具有"报价回复"和"路径依赖"特征;高市值股票对股市整体走势反映迅速,市场信息能很快被融入到价格中;交易规模对价格变动存在持久的正的影响,非对称信息对股票价格的影响超过了流动性等其它暂时性因素的影响.交易时间间隔对股票价格变化没有显著影响.买卖价差越大、交易间隔越长,股价变动的波动性就越大.     

基于时间特性的中国股市交易集群性特征的研究

本文以自回归条件久期模型(ACD)为基础,选择标志我国股市交易集群性特征的代理变量,建立了刻画该特征的实证模型,检验了我国上海证券所个股的交易过程中集群性问题.实证结果表明,我国证券市场交易过程中的集群性是由于以私人信息为基础的信息交易所引起的,私人信息的进入导致了证券市场在时间方向表现出更大的波动性.     

股票市场的有限套利：一个行为金融模型

从行为金融的角度,结合有限套利与非理性个体对股票市场的套利者收益、资产价格特征进行考察。通过引入趋势交易者,发展了有限套利模型,并得到了套利者期望收益和市场波动性的解析解。然后对较宽范围内参数的可能取值进行了模拟。结果发现,套利收益同套利者能力和个体交易者的非理性程度有明显的非线性关系,在一定的条件下,套利者不但无法稳定市场,反而会促进资产价格的波动。     

基于代表性异质投资者的汇率动态模型

传统汇率模型通常忽略投资者的异质性对市场造成的影响。随着对外汇市场高频动态行为研究的深入,异质投资者模型显示出对金融市场运行规律强大的解释能力。本文依据异质投资者理论,结合外汇市场的实际特点,对由供求关系主导的孤立的外汇市场,推导并建立了基于投资者异质决策的汇率的非线性离散动态模型;并采取试验经济学的研究方法,对该模型进行了仿真。通过对不同条件下的仿真结果的研究可知,在由投资者主导的外汇市场中,基础投资者的投资行为是汇率发生振荡的原因,技术投资者的投资行为使汇率的振幅放大。     

基于LSTHAR模型的投资者关注对股市波动影响研究

有限关注理论认为投资者关注有限,无法掌握市场上所有信息,这会使股票出现暂时的错误定价,引起市场波动,因此投资者关注可能包含预测波动的有益信息。鉴于百度指数能较好代理中国投资者的主动性关注,本文提出将其作为逻辑平滑转移结构的转移变量,引入已实现波动的异质自回归类模型,以刻画投资者关注的变化对未来市场波动的非线性影响。基于华夏上证50ETF高频价格数据的实证表明:新模型相比于异质自回归类基础模型,有显著更优的拟合效果和显著更强的预测性能,即投资者关注的非线性引入对波动率预测有显著贡献。本文还发现,相比于引入移动端百度指数和总体百度指数,引入电脑端百度指数对模型预测性能的改进明显更大,表明电脑端百度指数代表的投资者关注对市场波动有更大的影响。研究结论对投资者风险管理和投资决策有实际指导意义。     

基于Copula模型的商业银行碳金融市场风险整合度量

目前低碳经济已经成为转变经济发展方式的战略措施之一, 碳金融业务逐渐成为金融机构助力低碳经济发展的重要金融创新领域, 而风险控制问题始终是影响金融创新成败的关键。目前中国的碳金融市场以清洁发展机制(CDM)下商业银行参与的间接金融为主导, 商业银行参与碳金融业务面临国际碳价波动、碳交易结算货币汇率波动等诸多风险, 且多源风险因子之间具有业务共生性和复杂相关性。论文选取2009-2012年美国洲际交易所(ICE)的核证减排量CERs期货价格和欧元兑人民币汇率价格作为金融时间序列的样本数据, 探究运用ARMA-GARCH模型分别刻画碳价风险和汇率风险特性的方法, 研究处理风险因子间的非线性相关关系的Copula函数方法, 构建Copula-ARMA-GARCH模型并利用Monte Carlo模拟计算碳市场多源风险的整合VaR。实证发现:碳金融市场收益率具有波动聚集性和异方差特性;潜在的碳价风险要高于汇率风险;若忽视不同风险因子之间的相关性会高估碳市场风险;政府汇率监管在一定程度上降低了碳市场的风险。研究贡献在于探究符合碳金融资产风险特征的多源风险整合度量技术, 为商业银行有效控制碳市场风险、促进碳金融创新提供理论依据。     

基于动态Panel Data模型的上市公司区域治理效率研究

本文在中国大陆地区910家上市公司样本数据基础上,利用动态Panel Data模型对中国上市公司地区治理效率进行了实证研究.我们发现,中国上市公司的治理效率在不同的区域之间存在着较大的差异.本文认为,造成上市公司治理效率存在地区性差异的主要原因是由于我国各地区在市场化进程中出现的地区发展差异,上市公司治理效率的地区性差异是我国证券市场的一个重要特征,把握这个特征对制定和完善具有针对性的上市公司治理法规和政策有着积极的意义.     

考虑共同跳跃的波动建模:基于高频数据视角

针对共同跳跃研究的不足,文章沿袭已有理论框架,采用常用的日内跳跃检验方法,构建了共同跳跃(协)方差和连续样本路径(协)方差,并扩展HAR-RV-CJ模型,将(协)方差、共同跳跃置于统一波动模型框架内。通过对上证综指和深圳成指高频数据的实证分析,结果显示两指数共同跳跃占其各自的跳跃比例较大,且基本上都是同方向的跳跃;共同跳跃(协)方差和连续样本路径(协)方差对已实现(协)方差的影响都是显著的,考虑共同跳跃影响有助于提高(协)方差建模的准确性。此研究有助于投资者优化投资策略和为监管部门提供监管基础。     

The Econometrics of Ultra‐high‐frequency Data

Ultra‐high‐frequency data is defined to be a full record of transactions and their associated characteristics. The transaction arrival times and accompanying measures can be analyzed as marked point processes. The ACD point process developed by Engle and Russell (1998) is applied to IBM transactions arrival times to develop semiparametric hazard estimates and conditional intensities. Combining these intensities with a GARCH model of prices produces ultra‐high‐frequency measures of volatility. Both returns and variances are found to be negatively influenced by long durations as suggested by asymmetric information models of market micro‐structure.