跳跃的估计、股市波动率的预测以及预测精度评价

本文基于C_TMPV理论估计已实现波动率的跳跃成分,在此基础上构建考虑跳跃的AHAR-RV-CJ模型和MIDAS-RV-CJ模型来预测中国股市的已实现波动率,并评价和比较各类波动率模型的预测精度。实证结果表明:基于C_TMPV估计的波动率跳跃成分对日、周以及月波动率的预测有显著的正向影响;AHAR-RV-CJ模型和MIDAS-RV-CJ模型的样本内和样本外预测精度在不同的预测时域上都是最高的,尤其是对数形式的模型;MIDAS族模型的样本外预测精度在中长期预测时域上比HAR族模型高;AHAR-RV-CJ模型和MIDAS-RV-CJ模型的样本外预测能力在中长期预测时域上比基于低频数据的Jump-GARCH模型、SV-CJ模型和SV-IJ模型好。     

经济政策不确定性与我国股市波动率预测研究

股票市场的波动与实体经济走势以及宏观经济政策密切相关.因此,以Baker的经济政策不确定性(economic policy uncertainty,EPU)指数和我国股市代表性的股价指数——上证综指为对象,运用广义自回归条件异方差混频数据抽样(GARCH-MIDAS)模型,分析了经济政策不确定性对上证综指波动率的影响,并运用该模型与常见的多种GARCH族模型进行了样本外波动率预测的对比研究.实证结果表明,EPU指数能够很好地解释我国股市波动的长期成分,并显著改善对上证综指波动率的预测精度;同时,模型信度集合(model confidence set,MCS)检验结果进一步证实,基于混频数据的GARCH-MIDAS模型能显著打败常见的多种GARCH族模型.     

考虑跳跃和隔夜波动的中国股票市场波动率建模与预测

本文用已实现波动率（Realized Volatility, RV）度量上证综指和深证成指在交易时间内的波动率,并将其分解为连续路径变差部分和由跳跃引起的非连续部分。这两部分与隔夜波动率共同构成日波动率。本文对日波动率的三个组成部分建立HAR-CJN模型,探究了波动率不同成分之间的相互影响以及在预测中的作用。结果表明连续变差对日波动率的各组成部分均有显著的正向影响,在预测中的贡献最大;而跳变差的影响一般比连续变差的要弱,且随着滞后期的长短而有所不同。样本外预测结果显示HAR-CJN模型的预测表现要远远优于GARCH族模型,并在向前一天和一月的预测中优于普通的HAR-RV模型。     

经济政策不确定性与我国股市波动率预测研究北大核心CSCDCSSCI

股票市场的波动与实体经济走势以及宏观经济政策密切相关.因此,以Baker的经济政策不确定性(economic policy uncertainty,EPU)指数和我国股市代表性的股价指数——上证综指为对象,运用广义自回归条件异方差混频数据抽样(GARCH-MIDAS)模型,分析了经济政策不确定性对上证综指波动率的影响,并运用该模型与常见的多种GARCH族模型进行了样本外波动率预测的对比研究.实证结果表明,EPU指数能够很好地解释我国股市波动的长期成分,并显著改善对上证综指波动率的预测精度;同时,模型信度集合(model confidence set,MCS)检验结果进一步证实,基于混频数据的GARCH-MIDAS模型能显著打败常见的多种GARCH族模型.     

股市波动率的短期预测模型和预测精度评价

基于幂转换以及不设定扰动项的具体相关结构和分布形式,构建了半参数的短期预测模型来预测中国股市的波动率.模型采用基于极值估计量的两阶段估计法进行估计,估计方法的小样本性质表现良好.此外,还通过具有Bootstrap特性的SPA检验实证比较了新模型与其他6种预测模型的预测精度.实证结果表明,在各种损失函数下,半参数短期预测...     

我国石油上市公司股价波动率分析——基于随机波动模型

笔者尝试将物理学与会计学结合在一起,采用随机波动模型,研究了我国石油行业上市公司股价的波动率。经过数据的分析,发现随机波动模型能够较好地捕捉到波动聚集的特征。同时,通过使用R软件,能够很好地进行模拟并得到一系列模拟数据,将复杂的经济动态直观地展现在我们面前。     

基于日度低频价格的波动率预测

利用作者提出的GARCH-X的框架,将以往文献中提出的各种基于金融资产的最高、最低、开盘和收盘等低频价格信息的波动率静态估计,统一地扩展成对波动率的动态预测模型.通过对上证指数近十几年数据的实证分析,并借助于对波动率的高频估计和预测评估的一些最新研究成果,本文揭示出合理地利用价格极差及开盘价的信息可以显著地提高对波动率及风险价值的预测能力.     

长记忆性、结构突变条件下中国股市波动率的高频预测

本文在考察上证综指和深证成指日已实现波动率的长记忆性特征和结构突变的基础上构建了已实现波动率自回归结构突变模型,并用于进行预测.预测结果表明,在未来结构突变已知情形下,自回归结构突变模型的预测效果比其他预测模型要好,在未来结构突变未知情形下,该模型的预测效果比ABDL模型稍微差,而ABDL模型在两种情形下都是比较稳健的预测模型.     

股市波动助长了市场投机性吗?

高投机性和高波动性一直是中国股票市场的显著特征,本文以中国A股市场为研究对象,从投机性市场异象、均值-方差关系以及宏观风险因子定价三个方面研究了股市波动的加剧对市场投机性的影响.研究结果表明,股市波动的加剧助长了市场投机性,具体体现在:在高波动率状态下,中国股票市场的投机性市场异象显著增强;同时,市场组合收益率正向的均值-方差关系减弱,宏观风险因子价格偏离理论预期.本文的结论对于加快建设高效的股票市场,强化中国股市的资源配置功能,提高中国股市的监管效率等方面有着重要的启示.     

“坏”跳跃、“好”跳跃与高频波动率预测

  准确的波动率预测对资产组合配置和风险管理有非常重要的意义,在当今大数据时代,充分利用股市高频数据预测股票波动率成为可能。         股市高频信息的一种应用是使用已实现方差和它的组成部分预测股票波动率。已实现方差可以拆分为已实现负半方差和已实现正半方差两个部分。由于已实现负半方差和已实现正半方差极限形式中包含的连续运动部分完全一致,所以它们的不同仅来源于它们跳跃部分的差异,但连续运动部分的存在是否会“稀释”股价跳跃对波动率所产生的影响,为此有必要进一步提取负跳跃和正跳跃。基于负跳跃变差和正跳跃变差,利用HAR模型研究两种不同方向的跳跃是否对波动率产生不对称影响,使用DM统计量和样本外 R²_OS,作为评判标准,考察这种区分跳跃方向的做法是否改进了对波动率的预测能力。         研究结果表明,①负跳跃对应未来波动率上升,正跳跃对应未来波动率下降。作为风险规避者的投资者厌恶风险和不确定性,意味着投资者厌恶未来波动率上升而偏好未来波动率下降。因此,将股价的负跳跃称为“坏”跳跃,将股价的正跳跃称为“好”跳跃。②“好”跳跃导致未来波动率下降,而连续运动部分的上升导致未来波动率上升,两者效应的总和是已实现正半方差对未来波动率的影响不显著;“坏”跳跃和连续运动部分的上升都导致未来波动率上升,两者效应的总和是已实现负半方差对未来波动率产生显著的正影响。③利用“坏”跳跃和“好”跳跃不但能够更好地拟合样本内的未来波动率,而且还能够明显地改善波动率的样本外预测能力。         研究结果支持日内收益率的正负符号信息在波动率预测领域有其价值,两种不同方向的跳跃对波动率产生不对称影响。在波动率预测实践中,利用“坏”跳跃和“好”跳跃能够改进对波动率的预测能力。     

基于神经网络集成的GDP预测模型

GDP预测是一项重要而复杂的工作,目前尚未有完美的解决办法.鉴于GDP预测的非线性、时变性和不确定性,提出了一种基于神经网络集成的GDP预测模型.该模型利用神经网络解决了非线性和时变性问题,利用神经网络集成解决了样本数据量少、偏差大的问题,使得GDP预测结果更为有效.     

基于信息扩散原理运用人工神经网络识别股票级别

本文提出采用人工神经网络的方法对股票级别进行识别,以便辨识股票的优劣。首先建立股票识别的指标体系,对神经网络的训练样本中的各支股票的各项指标进行初步评级,然后用因素状态空间上信息扩散的方法对初步评级的结果进行优化处理,把处理后的结果作为神经网络训练样本的输入和输出因素,并利用BP算法进行网络训练,当计算达到要求的精度后即完成训练。经训练所得的神经网络即可用于识别股票级别。本文最后给出一个实例,具体说明运用信息扩散和人工神经网络的方法识别股票级别的过程,并对结果进行了分析讨论。采用本文所介绍的方法对股票级别进行识别,可以有效地减少主观因素及市场波动所带来的影响。     

上证综指的股指波动:基于模糊FEGARCH模型及不同分布假设的预测研究

本文主要对2006年至2011年上证综指收益率序列的高频波动性进行预测研究。首先,针对金融数据的非线性和不确定等特性,借助模糊逻辑系统,提出一种新的金融市场波动率的预测方法-模糊FEGARCH模型,用来更好的针对具有非线性特性的收益率数据进行预测。其次,为了判断分布型模型和不对称型模型对预测精度的影响程度,分别采用分布型(GARCH-N,GARCH-t,GARCH-HT和GARCH-SGT)和不对称型(GJR-GARCH、EGARCH和模糊FEGARCH)的波动模型进行高级能力预测法(SPA)检测。实证结果表明,不对称模型对波动率预测的影响程度比分布假设的确定更为重要,而且模糊FEGARCH模型对于具有尖峰厚尾、高偏度和杠杆效应的非线性波动数据的预测能力更佳,说明了该模型的有效性与实用性。     

基于近邻互信息的SVM-GARCH股票价格预测模型研究

为了克服传统线性模型分析处理收益率数据非线性因素的不足,本文提出一种新的基于近邻互信息特征选择的SVM-GARCH预测模型。该模型利用SVM处理高维非线性数据的优势,不仅包含了股指序列自身的历史数据信息,而且通过近邻互信息的方式融合了与目标股指数据关系密切的周边证券市场的相关变化信息。仿真实验结果表明,该模型在时序数据除噪、趋势判别以及预测的精确度等方面均优于传统的ARMA-GARCH模型。     

上海股市波动性预测模型的实证比较

本文采用上证综合指数每日收盘价数据,应用常用的波动性预测模型预测上海股市的周波动性并比较其样本外预测效果.结果表明,尽管当采用不同的预测误差统计量作预测模型的预测精度的评价准则时,也会导致评价结果的排序不同,但从总体上来说,指数平滑模型对上海股市周波动性的预测效果还是优于其他模型;而相对比较复杂GARCH(1,1)模型对上海股市周波动性的预测效果并不佳.     

国际油价、美国经济不确定性和中国股市的波动溢出效应研究

2008年金融危机以来的全球股市震荡,油价波动剧烈和经济的不确定性使得研究不同市场间的风险传导效应具有重要的意义。在综合评价现有研究的缺陷和既有改进方法的情况后,本文借鉴Diebold and Yilmaz （2012）的研究方法探索国际原油价格、美国经济不确定性和中国股市的波动溢出效应。本文选取1986年1月到2016年12月原油价格、美国经济不确定性指数和中国股票价格的月度数据,分别研究了静态波动溢出指数,动态波动溢出指数并做出了非线性检验。实证结果表明：变量国际油价解释了大部分的波动。方向性溢出指数是双向的和非对称的。在整个样本阶段系统的波动主要来自其他变量的冲击,变量国际油价的溢出效应占比重较大。变量国际油价、美国经济不确定性和中国股价对其他变量的波动溢出都存在非线性效应,前两者的正向变量的溢出效应较大,负向变量的溢出效应较小;后者的正向变量的溢出效应较小,负向变量的溢出效应较大。     

基于深度学习和股票论坛数据的股市波动率预测精度研究

本文利用深度学习和股吧发帖数增长率数据对沪深300指数波动率进行样本外预测,将预测结果与19种波动率预测模型作对比,并用MCS方法检验各模型的预测精度。研究发现:深度学习预测效果明显好于选取的其他对比模型。另外,股票论坛数据对提升波动率预测精度有所贡献,但贡献有限。本文为波动率预测提供了一种更精确和更稳健的实现方法,探索了股票论坛数据在波动率预测上的应用,并拓展了深度学习在金融领域的运用。     

融资约束、财务松弛与股价信息含量

  上市公司的股价信息含量是测量资本市场效率的重要指标之一,已有研究发现上市公司具有足够的动机和操作空间干预信息披露,其中主动提高信息披露水平的主要动机是对外融资。近十几年来越来越多的国内外上市公司长期保持低负债或高现金持有,形成了财务松弛,优序融资理论认为当公司存在财务松弛时对外融资依赖下降,因此,逐渐被学界重视的财务松弛现象在理论上会影响上市公司信息披露,进而对股价信息含量产生重要影响。         基于此,将财务松弛纳入已有理论模型进行拓展,在理论模型推导所得结论的基础上,利用2007年至2016年中国A股上市公司数据,采用固定效应模型对财务松弛与股价信息含量之间的关系进行实证检验。实证研究中采用股价同步性r²量股价信息含量,根据财务松弛的定义和其他学者的研究成果构建财务松弛的测量指标,并且利用2007年底出台的《物权法》中应收账款可以抵押贷款这一规定构建双重差分模型,控制可能存在的内生性问题。         研究结果表明,财务松弛确实是影响上市公司信息披露的重要因素,当公司面临融资约束时,公司内部财务松弛水平的增加会使上市公司减少信息披露,进而降低股价信息含量,在采用双重差分模型控制内生性之后这一结论仍然成立。这说明作为内部资本结构重要组成内容的财务松弛不仅影响公司的经营活动,也是影响上市公司股价特质性信息含量的重要因素。         研究结果为研究和监管上市公司信息披露提供了一个新的内部视角,也将目前学界对财务松弛与公司投融资等经营活动关系的研究拓展到探究财务松弛对于资本市场的影响。     

基于BP神经网络的管理信息系统评价研究

管理信息系统的评价是对一个MIS系统的性能进行全面估计与测试,良好的评价可以促进系统设计目标的实现,提高投资效益.本文提出一种利用BP神经网络进行评价的方法,并且对神经网络的样本评价采用了AHP以及模糊评价的方法.该方法充分利用了模糊数学理论与神经网络方法,为管理信息系统的评价提供了可行的途径.