沪深股市极值相依关系测度研究——基于四类时变Copula-EVT模型

随着金融市场的发展和理论研究的深入,金融资产尾部极值的相依关系已引起众多市场参与者和研究者的重视.以上证综指和深证综指为研究对象,结合EVT极值理论股指收益率构建边缘分布模型,以此为基础,运用四类时变Copula函数分别拟合股指间的联合分布,并通过AIC准则对各类模型的拟合效果进行比较,结果表明:不同模型的拟合度存在差异;沪深股市间具有较强的尾部极值相依程度,并呈现出明显的动态趋势.     

股指期货与现货指数收益率序列相关性研究——基于Copula函数的实证分析

沪深300股指期货推出后,其与沪深300指数的关系就引起投资者和研究者的关注。以沪深300指数和沪深300股指期货的日收益率数据为基础,运用Copula函数建立Copula-GARCH(1,1)-GED模型对两者进行相关性分析,结果表明:沪深300指数与股指期货收益率序列之间相关程度非常高,而通过比较秩相关系数的拟合情况,二元正态Copula函数更接近实际情况;在平方欧式距离的标准下,二元t-Copula模型能够更好地描述沪深300指数与沪深300股指期货日收益率序列的相关结构;两序列的尾部相关程度非常高,表明当股票市场大幅度波动时,沪深300指数与沪深300股指期货的相关程度显著提高。     

逐次Ⅱ型截尾下Gumbel Copula相依竞争失效模型的参数估计

在逐次Ⅱ型截尾样本下,讨论以Gumbel极值分布为边缘分布,Gumbel Copula为连接函数的相依竞争失效模型参数的极大似然估计(MLE)和Bayes估计.对于参数MLE,提出与生存函数成正比的两阶段估计(Inference for the margins, IFM).对于Bayes估计,证明了Gumbel极值分布尺度参数的对数凹性,采用混合ARS(Adaptive Re-jection Sampling Algorithm)和MH(Metropolis-Hastings)抽样方法实现参数估计.模拟结果表明,当两失效机理关联性较弱时,两种估计结果相差不大,但关联性提高时,Bayes估计优于IFM估计.     

中美股指间的动态相依结构及突变因素——基于时变Copula-ARMA-NAGARCH的分析

为了克服传统格兰杰因果检验等方法在研究股市相依结构时存在的不足,文章构建了时变Copula-ARMA-NAGARCH模型,研究了中美股指及中国主要股指间的动态相依结构及其突变影响因素.研究发现,中国主要股指间的动态相依关系存在显著差异,中美两国主板间和创业板间的联动关系密切,其相依结构具有显著的突变特征.其中,国际因素对中美股指间的相依结构具有正向影响,对国内股指的相依结构影响不显著;国内因素对国内股指相依结构的影响是正向的,对中美股指间的相依结构影响是负向的,中美两国股票市场表现为非对称的相依结构.     

t-Copula-GARCH模型在沪深市场联动风险测算中的应用研究——基于拟蒙特卡罗模拟方法

为测算沪深两市联动风险,以上证指数和深证成指收益率数据为研究对象.首先,根据Copula建模思想,利用GARCH(1,1)-t模型拟合沪深市场波动特征,利用t-Copula函数拟合沪深市场联动风险特征.进而利用拟蒙特卡罗方法模拟沪深股指组合未来收益率序列,测算沪深市场联动风险.实证结果表明:拟蒙特卡罗方法收敛速率快,模拟结果的精确性和稳定性较好.拟蒙特卡罗方法表现出的优势可以帮助机构投资者有效管理市场风险,这对于机构投资者做出科学投资决策具有深远意义.     

基于GARCH模型与灰色预测模型GM(1,1)的人民币汇率收益率分析

论文中对人民币汇率收益率序列分别建立了GARCH(1,1)模型和GM(1,1)模型.首先利用GARCH(1,1)模型刻画了收益率序列的波动性,接着通过预测模型GM(1,1)对收益率序列水平值进行预测.实证结果表明,人民币汇率收益率序列之间存在明显的波动性和长期的自相关性,预测模型GM(1,1)能够很好的拟合人民币汇率收益率序列,是一个可用的较好的预测模型.     

商业银行汇率风险的VaR-GARCH(1,1)模型计量

采用VaR-GARCH(1,1)模型,选取2003年至2009年人民币对四种外汇的交易数据度量了商业银行外汇资产组合的风险。研究发现,外汇收益率具有尖峰特征,且欧元和日元收益率服从正态分布。从GARCH模型的估计和检验来看,外汇收益率序列具有波动集聚性特点,因此GARCH(1,1)模型能够有效模拟收益率序列。在99.9%置信水平下,用VaR-GARCH(1,1)估计的欧元和日元外汇资产组合的最大潜在损失约为上一交易日市场价值的0.05%,以此度量了商业银行的汇率风险。     

石油期货价格的收益率及波动率的长记忆性研究

金融市场的长记忆性问题研究一直吸引着众多研究者的目光,但是期货作为一种金融衍生工具,其长记忆性的研究相对于股票来说却很少。国内外大多数的研究都是针对股票市场,运用的主要方法是R/S分析,修正的R/S分析法,GPH分析法等,大部分都是用ARFIMA模型对长记忆时间序列进行分析。本文介绍了时间序列的一些模型,介绍了单位根检验方法,采用样本自相关函数法,传统的R/S分析法,GPH分析法,运用MATLAB,EVIEWS,Oxmetirc4环境下的G@ARCH42软件包等编程,检验了美国原油期货(NYMEX)市场样本数据的长期记忆性,并得出如下结论:石油期货收益率序列的长记忆性不明显,而波动率的替代指标绝对收益率序列呈现较强的长期记忆性。同时本文通过比较描述收益率序列以及绝对收益率序列模型的优劣性,发现收益率序列可用GARCH(1,1)模型来描述,而FIGARCH(1,d,1)模型相对GARCH(1,1)模型来说,能更好的描述波动率的替代指标——绝对收益率序列。     

我国沪深300股指期货定价研究

股指期货在风险管理、提高市场有效性方面具有重要作用,而运用股指期货的基础是对其进行合理的定价.借鉴Helmer和Longstaff(1991)利率和市场随机波动条件下股指期货的一般均衡定价模型,可结合马尔可夫状态转换模型对沪深300股指期货的定价进行实证分析.研究发现:(1)沪深300上市公司股利发放具有很强的季节性,对沪深300股指期货价时应选择时变的股利收益率;(2)股指的波动率对股指期货价格有显著的解释力,验证了一般均衡模型所考虑的股市波动率应纳入到股指期货定价中;(3)股指期货一般均衡模型较持有成本模型更适于沪深300股指期货的定价.     

沪深300股指期货对我国股市波动溢出效应的分析

本文通过选取沪深300股指期货、上证指数以及深证成指的样本数据,经过预处理后,通过建立GARCH模型,在GARCH模型的基础上研究了沪深股指期货收益率波动对上证综指收益率以及深证成指收益率的波动性的影响,得出股指期货收益率的波动会加剧上证综指和深证成指收益率的波动。     

沪深股市周内效应再检验

运用GARCH(1,1),GARCH(1,1)-M和EGARCH(1,1)模型,对中国沪深两市收益率进行了收益率均值的周内效应和收益率波动性的周内效应实证分析。同时对样本区间进行分段处理,以检验自1996年起实行的涨跌停板制度对股市周内效应是否存在削弱作用。研究发现,中国股票市场在相应的样本区间存在显著的周内效应,但是在不同区间周内效应的具体分布不尽相同。同时发现,股票风险的增加能够增大收益率,且收益率的波动性存在杠杆效应。     

能源与碳排放强度完全因素分解——基于东盟五国的实证分析

基于完全因素分解模型,对东盟五国1971-2007年能源强度与碳排放强度的影响因素进行分析。结果表明:(1)东盟五国总体来说,强度效应是能源强度下降的主要影响因素,碳排放强度的主要影响因素则随着时间推移从强度效应转向碳排放系数效应。(2)印尼强度效应以及菲律宾结构效应的正向作用是东盟五国能源强度下降的主要原因。(3)就国别而言,影响碳排放强度总效应变化的因素中,印尼由强度效应向碳排放系数效应转变、泰国由结构效应向碳排放系数效应转变。最后,根据研究结果给出政策建议。     

沪深300股指期货收益率及波动率的长记忆性研究

对股指期货收益率与波动率的长记忆性进行研究,可以反映市场的运行效率。运用ADF-KPSS联合检验法、自相关系数法、R/S检验法检验了沪深300股指期货的收益率及波动率序列的长记忆性。结果显示:沪深300股指期货的收益率序列不具有显著的长记忆性,而其波动率序列具有显著的长记忆性,波动率的长记忆性暗示着市场中事件和消息对我国股指期货市场的影响不会马上消失,而可能对市场产生长期和深远的影响,也意味着我国股指期货市场的有效性有待加强,需要从信息披露、培育多元化投资主体等方面加强市场建设,以消除长记忆性对我国股指期货市场健康发展的影响。运用FIGARCH模型度量了沪深300股指期货波动率的长记忆性,为后续股指期货波动相关研究提供参考。     

基于GARCH模型和非参数模型的上海股市VaR的比较

从VaR的定义出发,考虑基于GARCH类模型和基于非参数模型的VaR估计.对于前者进行筛选以后,采用EGARCH(1,1)模型来估计资产或资产组合未来收益率的波动,后者则用核估计方法估计资产或资产组合未来收益率的概率密度函数,并用这两个模型对上海股市进行了实证研究,结果表明后者不失为一种值得考虑的方法.     

基于GARCH类模型的人民币汇率波动特征分析

以2005年汇改以来人民币对美元日名义汇率的高频数据为研究对象,运用TARCH和EGARCH模型对人民币汇率的波动进行测算,发现EGARCH(1,1)模型的拟合效果较好,人民币汇率变化的单边趋势明显,波幅不断加大,收益率序列呈现尖峰厚尾特征,汇率波动存在明显的集群性和杠杆效应。     

通货膨胀率和股票收益率的相关性的实证研究——基于马尔可夫转换模型

通过建立马尔可夫向量误差修正模型，分别在高通胀和低通胀两个区制内研究股票实际收益率和通货膨胀率的相关性。根据实证分析结果，股指和CPI之间存在正向协整关系，协整误差对CPI 的短期波动具有正向的修正作用。对于同步相关性，在低通胀区制内，股票收益率和通货膨胀率正相关，在高通胀区制内，股票收益率和通货膨胀率负相关。短期相关性不显著。     

基于非参数和半参数CARR模型的上海股票市场波动性研究

以上证综指日对数价格的极差为研究对象,分别建立参数、半参数和非参数CARR(1,1)模型来研究上海股票市场的波动性。采用MSE、MAE两种误差度量指标比较参数、非参数、半参数CARR(1,1)模型的拟合能力。结果表明:半参数CARR(1,1)模型在对上海股市波动性的拟合方面表现最优,非参数CARR(1,1)模型次之,GCARR(1,1)模型最差。     

中国沪深300指数期货的最优套期保值率

通过回顾最优套期保值比率的概念和相关计算方法,针对金融市场的数据尖峰厚尾的特点,采用EGARCH模型对股指期货和现货收益率进行估计;考虑到数据的条件异方差性,指出了传统的线性相关系数对期、现货的关系的估计存在弊端,因此使用Copula函数与秩相关系数Kendalls＇τ对最优套期保值比率进行估计。结果显示：目前中国股票期货的最优套期保值比率为0.852。     

中国与国际股市波动的时变相关性检验——基于小波分析和GARCH-Copula技术

为研究中国与国际股市波动的时变相关性机制，文章通过小波分解中、美、英3国股票指数2013～2020年的收益率，运用小波相干谱、格兰杰检验和GARCH-Copula方法分析，研究发现：在低频段方面，中美、中英股指呈现长期正相关，英美股指对中国均有引领作用，英美股指互为格兰杰原因，且均是中国股指的格兰杰原因；在高频段方面，中美、中英股指呈现负相关，但2018年后中美相关性由负转正，中美股指在短时、极端共同上涨行情和中英股指在短时、极端共同下跌行情均具有可预测性。