高频金融数据的长记忆SV模型分析--基于FFF回归

高频金融数据的分析与建模是金融计量学的一个全新的研究领域。与低频数据不同,高频数据通常具有“日历效应”和波动长记忆性。本文在使用弹性傅立叶形式(FFF)回归技术消除“日历效应”的基础上,针对高频数据的波动长记忆性建立了长记忆SV模型,结果发现高频数据的波动持续性大大降低。     

上海股市牛市行情中周末效应的最新实证研究

以上证指数为对象,选取1999年至今两段较为明显的上升行情,利用非参数检验在牛市的市场状况下,股指的收益率及风险与周内各天之间是否存在特定的对应关系,发现在最近5年内,上证市场并未出现显著的周末效应,证明了投资者正在逐步趋向成熟和理性.     

上海股市流动性溢价现象的“价值效应”实证研究

文章采用分组排序和平行数据回归的方法对我国上海股票市场流动性溢价现象是否存在“价值效应”进行了检验,并且对按行业分类的子股市是否存在流动性溢价现象的“价值效应”进行了尝试性地探讨。在回归中,考虑了我国股市中牛市和熊市的区别,引入斜率虚拟变量进行回归检验。得出的结论是上海股市在1998年1月至2004年12月存在流动性溢价现象的“价值效应”;所检验的三个行业:纺织,机械和石油行业在2002年1月至2004年12月之间不存在流动性溢价的“价值效应”;牛市和熊市的区别对流动性溢价的“价值效应”有显著影响。      

我国证券市场双重日历效应的非参数检验

在我国沪深300股指期货正式推出和顺利运行的背景下,构造沪深300股指的非星期五数据、星期五但非到期日数据、到期日数据,从证券市场的成交量、收益率、流动性和波动性等角度,采用非参数检验方法研究我国证券市场星期五效应、股指期货到期日效应,以及二者叠加而成的双重日历效应.得到的结论是:从星期五效应角度看,我国证券市场存在显著的收益率效应;从到期日效应角度看,我国证券市场存在显著的流动性效应;从双重日历效应角度看,我国证券市场存在着显著的波动性效应.     

上海股市流动性溢价规模效应实证研究

采用分组排序和平行数据回归的方法对中国上海股票市场流动性溢价现象是否存在“规模效应”进行了检验,并且对按行业分类的子股市是否存在流动性溢价现象的“规模效应”进行了尝试性探讨。在回归中,考虑了中国股市中牛市和熊市的区别,引入斜率虚拟变量进行回归检验。得出的结论是上海股市在1998年1月至2004年12月存在流动性溢价现象的规模效应;所检验的三个行业:纺织,机械和石油行业在2002年1月至2004年12月之间不存在流动性溢价的“规模效应”;牛市和熊市的区别对流动性溢价的“规模效应”有显著影响。     

我国股指期货标的指数的日历效应研究

指数期货与其标的指数现货之间存在长期稳定的均衡关系,因此可以采用普通最小二乘法和广义自回归条件异方差模型来实证检定我国首只金融期货标的指数——沪深300指数的隔夜效应、日内效应、周内效应及月内效应。实证结果表明:日内及周内效应均显著存在于沪深300指数,该指数每日日内收益率的分布呈现"W"字的型态,且一周中周一的收益率显著为正;而沪深300指数不存在隔夜及月内效应。     

中国股市非对称的波动性实证研究

关于金融资产收益的非对称的波动性,许多学者用GARCH类模型对低频数据进行了研究,而 从高频数据及流动性分组角度进行考察的较少。文章以上证A股的5分钟高频数据为研究对象 ,在流动性分组的基础上,分析股票波动的非对称性。实证结果表明,对流动性好的股票而 言,好消息增大波动性,坏消息减小波动性;而对流动性差的股票而言,好消息减小波动性 ,坏消息增大波动性。     

高频金融时间序列研究：回顾与展望

高频金融时间序列的分析与建模是金融计量学的一个全新的研究领域。论述了迄今国际相关文献中几乎所有关于高频金融时间序列的理论和实证研究成果:高频时间序列的模型化方法、日历效应、"已实现"波动和ACD模型,指出了研究中存在的问题,展望了高频时间序列的研究趋势。     

基于高频数据的波动率与成交量动态关系研究

传统的价量分析都是从低频数据来分析股票市场上波动率、收益率与成交量之间的关系。基于高频数据,利用分位数回归并结合高频数据的波动率估计方法对高频数据中所呈现出的价量关系进行研究,并分析了股票价格跳跃过程所带来的跳跃方差与成交量之间的关系。实证分析表明:指数及个股收益率与成交量之间的关系并不显著;波动率、跳跃与成交量之间存在着显著相关的关系,个股的波动率与成交量之间的关系显著并呈现出正向相关关系,而指数的波动率与成交量之间呈现出一种负向关系,并且关系比较微弱;个股的成交量的改变会导致股票价格的跳跃方差的减小,而指数的成交量的改变则使得指数的跳跃方差增大。     

极值理论高频VaR区间估计模型的构建

为了对在险值的估计精度进行度量,更为精确和有效地衡量极值VaR（value at risk）的估计风险,基于广义极值理论构建了极值VaR的区间估计模型,并进一步利用高频数据重点考察了不同置信水平和不同样本容量分块下的极值VaR区间估计结果的精度和模型的有效性。结果表明,极值VaR的动态区间估计模型与参数法和非参数法区间估计模型相比,不仅能够更为有效地捕获极端条件下收益率时间序列的动态特征,而且具有很好的估计精度,VaR估计风险的精确度更高。     

股市周末效应实证研究——上证成份指数变动分析

周末效应是一种各国证券市场共有的异例现象。根据近三年来较明显的熊市行情,借助于Kolmogorov-Smirnov、K-W检验、M-W检验、Levene检验等非参数统计方法,分析发现上海股市存在“周二”效应。该效应的存在有如政策、股市趋势、公司治理和样本容量等各方面的因素。近年来,中国上海股市的周末效应的显著性有所下降,证明了投资者正在逐步趋向成熟和理性。     

上海股票市场收益日内效应的研究

本文通过对上海股市2000年和2001年中5分钟绝对值回报数据进行研究,得出上海股市收益U形的日内效应特征,并对此进行了相应的分析。在此基础上建立了估计中国股市日内回报周期性特征的FFF模型,并且具体估计出了模型,与历史的数据进行对比发现其拟合程度很好。     

套利定价模型在上海股票市场的有效性检验

文章以上海股票市场486家上市公司的数据为样本,对套利定价模型在我国证券市场的有效性进行了检验.实证结论表明:公司规模、市值与账面价值比以及市盈率对股票收益率没有显著影响,股票市场价格的变动是随机的,即套利定价模型在上海股票市场是无效的.     

上海股市微观结构的超高频数据分析

运用上海股市个股及指数的超高频数据,通过建立自回归条件时间间隔模型和超高频广义自回归条件异方差模型,对上海股市的微观结构中有关交易的时间间隔的聚类性以及时间间隔的长短对投资者行为影响进行了研究。结果表明,上海股市交易的时间间隔具有很强的聚类性,较长的交易时间间隔表明市场上没有新的信息。