中国资产价格跳跃行为研究——基于高频数据集的分析

利用日内高频数据,分别通过实现波动率模型和实现二次幂波动模型对资产价格的波动率和连续部分波动率建模,并据此得到资产价格跳跃部分的动态行为模型,分离出发生跳跃的天数、跳跃的大小和方向。结果显示,中国金融市场中的资产跳跃行为密集发生在市场波动性较大的时刻,其大小和间隔期均具有群聚现象,且五种代表性资产价格的跳跃密度均呈左偏分布,说明中国股权市场中向下发生的跳跃多于向上的跳跃。     

金融市场波动跳跃、跳跃相依与跳跃风险:基于股指高频数据的研究

运用股指高频数据,首先构建基于一般已实现波动率与双幂次变差的RV-regular vine copula模型,比较分析两个模型在刻画资本市场之间的波动跳跃结构的差异;然后,考虑股票价格存在跳跃的情形,分析离散跳跃的统计特征,研究资本市场之间跳跃相依结构,并通过模拟计算市场在险价值来探讨市场之间的跳跃相依风险。研究发现:由于跳跃的存在,采用双幂次变差所构建的RV-regular vine copula模型在参数估计结果方面表现更佳;跳跃序列存在尖峰厚尾的特征以及跳跃聚集的现象,而跳跃相依风险可以通过构建合适的资产组合来降低。     

基于EVT-POT-SV模型的极值风险度量

金融市场常受各种因素的影响造成剧烈波动,资产收益也会因此产生异常变化。针对金融资产收益的厚尾性、波动的异方差性等特征,采用基于Markov链的Monte Carlo模拟积分方法,对随机波动模型进行参数估计并取得标准残差序列,应用极值理论与随机波动模型相结合,建立了基于EVT-POT-SV的动态VaR模型。通过对上证综指收益做实证分析,结果表明：该模型能很好地刻画收益序列的波动性及尾部分布特征,在度量上证综指收益的风险方面更加合理而有效。     

基于拟似然方法的股票收益与波动率关系及其应用研究

股票市场中收益与波动率的关系研究在金融证券领域起着很重要的作用,而随机波动率模型能够很好地拟合这种关系。本文将拟似然方法和渐近拟似然方法运用在随机波动率模型的参数估计方面,渐近拟似然方法可以避免因为人为的结构错误指定而造成的偏差,比较稳健。本文采用拟似然和渐近拟似然方法对随机波动率模型的参数估计进行了模拟探索,并和两种已有估计方法进行了对比,结果表明拟似然和渐近拟似然方法在模型的参数估计方面有着很好的估计结果。实证研究中,选取2000-2015年标普500指数作为研究对象,结果显示所选数据具有金融时间序列的常见特征。本文为金融证券领域中股票收益与波动率关系及其应用研究提供了一定的启示。     

基于股本权证定价效果的最优波动率模型选择

文章以沪深交易所上市的分离交易可转债所附带的权证及其标的股票日收益率和5分钟高频交易数据为样本,在对隐舍波动率模型、已实现波动率模型以及历史波动率模型参数估计的基础上,以股本权证市场价格为评价基准,分别测算了基于三个波动率模型的定价效果.研究发现,基于隐含波动率模型的定价结果具有最小平均绝对偏差与平均相对偏差,模型效果最优;基于历史波动率模型的定价结果对股本权证市场价格普遍低估.     

区分大、小跳跃的已实现波动模型及其预测精度评价

文章运用日内高频价格估计金融资产每日波动,并将其区分为具有不同统计特性的连续与跳跃成分.考虑到不同规模的跳跃可能对应于不同的风险源并具有不同的时间序列特征,提出在已实现波动HAR-RV-J模型和HAR-RV-CJ模型基础上,选择合适的阈值,将跳跃波动进一步细分为大跳跃与小跳跃,构建区分大、小跳跃的HAR-RV-J-BS和HAR-RV-CJ-BS模型.使用沪深300指数5分钟高频价格的滚动窗一步外推预测以及SPA检验表明,HAR-RV-CJ-BS模型对于沪深300指数短期、中期、长期波动均有最强的预测能力.     

基于中国隐含波动率和方差溢价的实证研究

隐含波动率在资本市场中发挥着重要作用,本文使用二次幂变差方法,首次就我国股市的隐含波动率指数及其方差溢价对股市收益和宏观经济活动的预测能力进行实证分析.研究发现:隐含波动率的增加会加剧市场波动风险;方差的连续部分和跳跃部分对未来的实现方差具有显著的正向影响;相对于周收益,方差溢价和波动率指数对月度收益的预测能力更强;隐含波动率指数和方差溢价目前无法对我国宏观经济活动起到预测作用.研究结论为进一步分析我国证券市场的风险偏好提供了经验证据.     

中国股票市场有效性实证研究

本文使用AR-GARCH-M模型,通过考察股票价格波动是否具有可预测性来检验市场的弱式有效性. 一、模型设定 对市场有效性的早期研究都假设股票收益的方差在不同时期保持不变,但是大量的实证研究表明这一假设不甚合理,不能客观地对金融市场随时间变化的特性进行准确的描述.金融时间序列的一个显著特点是条件异方差性.Engle(1982)提出自回归条件异方差(ARCH)模型,Bollerslev(1986)将其推广到广义ARCH模型(GARCH).这些模型假定收益的误差项服从条件期望为零,条件方差为以前若干期收益误差平方和的条件正态分布,其性质与金融市场的波动聚集性(Cluster)、收益序列的尖峰、厚尾以及非线性等特征相吻合.因此,为了研究中国股票市场的弱式有效性问题,我们用GARCH(1,1)类模型来模拟股市收益率,用模型残差项的条件方差描述股市的波动性.     

中国资本市场资产价格波动的动态关联性检验

与以往研究不同,将中国人民币原油期货交易与股票、黄金、国债市场纳入统一研究框架下,采用Markov三区制状态转移模型与动态相关系数模型,探索这四种市场波动率状态及各资产价格之间的动态关联性问题。结果表明,股票市场存在显著的低、中、高三种波动率状态,其他市场仅在低、中波动率状态显著,但原油市场和股票市场所处常态是中波动率的状态;中国债券在一定程度上是其他三种资产的弱对冲保值资产,而黄金资产在中国更多是作为原油和股票的多元化投资而非避险资产,且各市场间存在一定的分割现象。研究结果有助于从理论上分析原油期货市场自身以及与其它资产价格波动的动态关联性特征,并为规避和防控不同资产价格风险、构建有效投资组合提供理论依据;同时,也为监管部门进行有效金融监管和维护资本市场稳定提供理论参考。     

基于MASD＿TPM模板匹配算法的股市决策模型

股票市场的形态分析和趋势预测是时间序列研究领域重要的研究方向。针对股票市场价格形态复杂,转折点形态预测困难的问题,文章提出了一种多尺度自适应模板匹配算法(MASD_TPM)来识别股票价格的形态走势。该算法在传统的模板匹配技术(TPM)中引入了匹配序列长度控制和插值重采样来避免匹配形态单一的问题。结果显示,基于该算法构建的决策交易模型在上证50等相关指数上能较为准确地识别市场价格的旗型形态,其收益超过多组对比模型平均水平。