多重指标波动性模型在中国股市波动性估计 和预测的应用——基于高频数据的研究

文章分析了三种常用波动性衡量方法的特点，在此基础上讨论了多重指标波动性模型的具体形式。多重指标波动性联合估计模型是在倍乘误差模型基础上，综合考虑日间、日内波动以及已实现波动建立的一种联合预测模型。通过应用上证综指数据的实证结果表明，衡量波动性的不同方法间存在相互作用，多重指标波动性模型可以显著提高波动性的估计和预测精度。     

流动性与波动性动态关系研究

基于超高频数据建立了久期、价差和波动性的联立动态模型,并研究了流动性指标和波动性的关系。结果表明,度量流动性的交易速度和交易成本与市场波动性有显著的相互影响。因此,管理层应该控制交易成本,防止市场过分波动,使市场达到流动性充分和价格稳定的有序状态。     

我国股市法规变迁对股市波动性影响的实证研究——基于广义线性混合模型的分析

笔者利用2004至2012年沪深300指数样本数据,运用广义线性混合模型（GLMM）,实证分析了我国股票交易市场法规变迁对我国股市波动性的影响.计量模型结果显示,股票交易市场法规的变迁对股票市场波动性指标产生了显著的影响,但我国股票交易市场法规变迁对我国股市过度波动性的抑制作用存在反复性,以此为依据,从完善我国股票交易市场法规的角度提出了平抑我国股市过度波动性的政策建议.     

中国股市流动性与波动性关系的实证研究

介绍了基于市场微观结构理论下的流动性与波动性之间的关系,建立了关于流动性与收益率及流动性与波动性之间的实证模型。研究结果表明在中国股票的市场中流动性与波动性存在着一种正相关的关系,进一步揭示了中国股市的价格行为。     

上证指数收益和波动性的星期效应检验

本文利用AR(m)-GARCH模型,同时检验1992年5月21日至2002年6月21日上证综合收益及其波动性的星期效应,发现收益和波动性都存在显著的星期效应周五平均收益最高,周一平均收益最低,周四波动最大,周五波动最小.文章还分别检验了10%涨跌停板制度前后两个时期的星期效应,发现都是周五平均收益最高,但两个时期星期效应的模式存在一定的差异.     

市场波动性及市场噪音的定价能力研究——基于沪市的实证分析

利用上证50ETF分笔交易数据,通过基于均方误差最小化的最优采样频率方法估计市场波动性及市场微观结构噪音,并用多因素模型研究这两个因素在上海市场中的定价能力,实证结果表明：研究期内,市场波动性和市场噪音都呈现出较为明显的与市场整体相反的走势,但是噪音的变化幅度大于波动率的变化;市场噪音并非系统性风险因素,而市场波动性的非预期变化是系统性风险因素,且被显著负定价;但与美国市场不同的是,股票收益对波动性风险的敏感度并未随规模的增大而降低。     

机构投资者对股票市场波动性的影响——基于基金相对规模的实证分析

采用2001年10月至2011年9月上证综合指数收益率数据,构造以证券投资基金总资产净值占流通股总市值的比例测度的机构投资者相对规模变量,运用TARCH模型研究机构投资者相对规模与股票市场波动的关系。回归结果发现,机构投资者相对规模与股票市场波动性正相关,表明机构投资者并没有起到稳定市场的作用,反而加剧了市场的波动性,超常规发展机构投资者并未达到预期政策目标。     

中国黄金市场波动性特征分析

利用随机波动模型(SV模型)可以刻画金融数据波动性的功能,文章以2009年以来上海黄金交易市场的收益率数据为代表,通过五类SV模型进行模拟分析并以此判断我国黄金现货及黄金期货市场的实际情况,比较结果认为国内两类黄金市场波动持续性强且具有尖峰厚尾性,其中Leverage-SV模型可以更好地刻画出两种黄金市场收益波动的杠杆效应特征,且拟合效果相对较优.     

集成模型ARIMAX-GARCH及其在股票预测中的应用

在分析ARIMAX模型与GARCH模型的预测特性和优劣的基础上,建立了基于两者集成的ARIMAX-GARCH模型,其基本思想是充分发挥两种模型在回归与序列波动性因素提取方面的优势.对从5大行业中随机抽取的10只只股票的实证分析表明,该集成模型在股票预测中的准确率与稳定性显著优于两个单一模型.     

股指期货分解交易量对市场波动影响的差异性研究

利用沪深300 股指期货合约IF1112 的1 分钟高频交易数据,按照-定的规则将交易量分解为开仓交易量、平仓交易量和换手交易量,采用-定方法测度市场波动性,研究股指期货的不同类型的分解交易量对股指期货市场波动性影响的差异性,得到的结论是：分解交易量比未分解交易量包含更多解释市场波动性的增量信息,各类分解交易量对波动性均存在正向影响,影响程度由强到弱的顺序依次是开仓交易量、换手交易量、平仓交易量.     

基于不同风险特征的跳跃成分识别及其在波动率预测中的应用

跳跃因子的引入能够准确解释波动的非对称特征,同时跳跃中还含有关于波动率的未知信息.为了更有效地改进波动率的预测,利用基于高频数据的非参数波动估计和跳跃检测方法,在波动的非对称性基础上对跳跃作进一步分解,考察具有不同风险特征的跳跃成分对未来波动率的影响,并对2009-2014年上证综指及其行业指数的面板数据进行实证分析.实证研究发现:周期性行业指数的系统性跳跃对其波动率有显著的预测效力,大盘指数与行业指数之间存在高度相关性;而非周期性行业指数几乎没有表现出明显的杠杆效应,与大盘指数的相关性也较低.     

随机波动模型的沪深股市比较研究

金融市场的风险和波动性一直是现代金融学研究的主题。金融风险具有时变性,金融波动具有持续性。介绍了刻画波动特性的随机波动模型及其估计方法。为了帮助投资者和政府监管机构理解沪深股市的风险特性,利用随机波动模型对上海股市和深圳股市的波动特性进行建模和比较分析,结果发现,上海股市比深圳股市的风险高,波动的持续性低;分析了产生这种现象的原因,并提出了若干建议。     

金融市场随机波动:基于文献综述的视角

探讨了金融市场收益率存在历史、隐含和现实的三类随机波动现象,并呈现出尖峰厚尾、杠杆、集群、微笑、溢出、长记忆、信息流、共生波动等分布特征.进一步归纳了基于不同分布特征的随机波动的GARCH、SV、制度转换、阀值模型等模型,梳理出重点SV模型的三类估计方法:基于矩法、极大似然法估计和马尔科夫链蒙特卡罗(MCMC)方法,以及有效估计SV模型后,其在收益波动率预测、风险管理上的应用.     

融资融券标的股扩容对股市波动性的影响

我国融资融券共经历6次扩容,以渐进的方式影响着股市的波动性。分析融资融券交易制度推出后标的股扩容与沪深300指数波动性的关系,选取2012—2019年沪深300指数数据进行实证研究,利用GARCH模型拟合我国股票市场的波动性,引入4个虚拟变量反映标的股扩容前后的变化。实证结果显示,引入的4个政策虚拟变量系数均为负。研究结果表明,融资融券标的股扩容后降低了股票市场的波动性,起到了平抑股市的作用。     

基于行为金融的中国股市波动非对称性研究

股票市场波动特征的研究,对于利用金融衍生品管理投资风险具有重要意义.行为金融的发展为研究股票市场的波动性提供了新视角和新方法.投资者是否理性是传统金融理论与行为金融理论的重要区别.从投资者非理性角度分析,过度自信、羊群行为和处置效应是中国股票市场非对称性波动的主要原因.通过引入行为金融前景理论中的价值函数,修正EGARCH模型,并以上证A股指数为样本进行了实证检验.结果表明,中国股票市场的波动非对称性显著存在,同等程度的利好信息的影响更大.     

基于时变波动率的期权定价模型实证研究

B-S模型计算的理论价格与实际市场价格存在较大的差异。这个系统性的差异被称为波动率微笑。这说明波动率不是常数,而是时间的函数。学者们也根据波动率的时变特征,提出了多种修正模型。文章主要通过中国权证市场的实证结果,比较了GARCH期权定价模型和随机波动率模型(Heston)以及B-S模型的定价效果。结果表明,GARCH期权定价模型、Heston期权定价模型和B-S模型都低估了市场价格,但是GARCH期权定价模型定价效果最好,而Heston期权定价模型相对于B-S模型定价优势不明显。     

SV类模型体系探讨

系统总结了随机波动模型(简称SV类模型)的研究动态,包括连续时间SV模型与离散时间SV模型,并对离散时间模型的分类,以及与连续时间SV模型之间的关系进行了阐述,提出了SV模型今后的研究发展方向,为SV模型的进一步研究和实际应用提供参考和借鉴。     

多元GARCH模型在国内企业债券波动传递研究中的应用

利用多元GARCH模型研究国内企业债券信用价差的波动传递问题,考察了企业债券信用价差序列的波动持续性和信用价差序列间的波动溢出效应.研究表明,相同或相关产业的企业债券表现出双向的波动溢出效应,而上游产业对下游产业企业债券的波动有显著影响,存在单向的波动溢出效应.     

基于贝叶斯多变量厚尾随机波动模型的期货与现货联动效应研究

针对多变量随机波动模型难以刻画金融时间序列尖峰厚尾特征的问题,构建了贝叶斯多变量厚尾随机波动模型。通过模型的贝叶斯分析,选择参数先验分布,设计基于Gibbs抽样的MCMC算法,据此估计模型参数,解决多变量随机波动模型参数较多难以估计的问题;并利用沪深300股指期货与现货交易数据进行实证分析。研究结果表明：贝叶斯多变量厚尾随机波动模型能更准确地刻画金融市场的波动特征以及金融市场间的波动溢出效应。     

基于GARCH族模型的深证成指波动特征实证分析

采用GARCH族模型对深证成指总体及分阶段收益率的波动性进行统计拟合分析,指出深证成指的波动具有集聚性、持久性、显著的非对称性效应及阶段性特征。以深证成指价格达到最高点的时间点为分界,将整个样本分成两个阶段:在第一阶段,“利好消息”对深证成指的冲击比同等程度的“利空消息”大;在第二阶段,“利空消息”的冲击比同等程度的“利好消息”大。这说明深证市场具有杠杆效应。