技术指标能够预测商品期货价格吗?来自中国的证据北大核心CSCDCSSCI

基于移动价格平均、动量和移动交易量平均三类技术指标,研究了其对中国大宗商品期货价格的预测效果,并以基于宏观变量的预测为基准比较分析了其预测能力.主要结论如下,第一,技术指标能够在样本内和样本外检验中有效预测我国大宗商品期货价格,其预测效果显著超过已有文献中广泛使用的宏观经济指标.第二,对于不同的模型设定和数据频率,技术指标预测效果表现稳健.第三,从资产配置角度出发,基于技术指标的预测具有显著经济意义,能够显著提高资产配置效率,获得超额收益.相关结果能够为大宗商品投资及风险管理提供经验和策略支持.     

商品金融化背景下商品期货的多样化收益研究

日益丰富的商品期货交易种类为传统投资组合的风险-收益结构提供了可行的改善路径,但同时商品期货的风险对冲功能也受到了商品金融化趋势的现实冲击。本文基于不同分布假设下的均值-方差张成检验方法探究引入商品期货改善传统投资组合的路径和程度,并在此基础上利用投资组合的样本期外滚动数据对商品期货的多样化收益进行多维绩效检验。研究发现：1.无论是否考虑资本市场现实中的交易制度约束,样本期内商品期货的加入都能够显著地改善传统投资组合选择的风险-收益结构;2.商品期货对投资组合有效边界的改善主要体现为风险分散效应,商品期货的加入不能为传统资产配置策略带来超额收益;3.引入商品期货能够有效地降低投资组合样本期外的标准差和尾部风险,高风险厌恶的投资者配置商品期货能够取得更高的等价性收益。本文研究结果表明,尽管大宗商品金融化趋势不可逆转,但将商品期货引入传统投资组合仍是推动中国资产配置策略优化升级的有效途径。     

大宗商品战略配置——基于国民效用与风险对冲的视角

从国民收入长期配置的战略性动机出发,本文提出基于国民效用优化和输入性通胀风险对冲的国际资产长期配置方法,在包含国际股指基金、主权债券、商品期货指数基金的风险资产池中,分析商品期货指数化投资的战略价值并导出最优配置比例。对4种主要商品期货指数、不同风险厌恶水平和跨期替代弹性的稳健性检验表明,在长期和跨期的最优组合中,商品期货指数都占有较高且稳定的投资比例;若考虑实体经济因素,偏重能源类的商品期货指数的投资比例和稳定程度有显著提高;商品资产投资能够有效对冲大宗商品价格风险。应对世界经济失衡与系统性风险的加剧,主权财富基金、养老基金及社保基金的长期国际投资应当遵从战略性原则,增加国际大宗商品的指数化投资。这是国民效用动态优化的必然选择。     

中国股票市场技术分析非线性预测能力的实证检验

运用前向人工神经网络方法对我国股票市场技术分析非线性预测能力进行了实证检验.发现基于移动平均规则的人工神经网络模型具有明显高于AR模型和各种移动平均规则线性模型的样本外预测能力.为解释技术分析方法具有非线性预测能力的原因,本文构建了一个基于异质市场假说的移动平均规则非线性模型,发现该模型的预测能力远高于其它非线性模型.表明我国股票市场存在异质性特征,技术分析方法能捕捉到不同类型投资者之间非线性的相互作用关系可能正是其具有非线性预测能力的原因.     

我国黄金期货价格波动率预测研究：来自模型缩减方法的新证据

黄金作为重要的避险资产,对其价格波动的定量描述和预测对于各类投资者的风险管理决策意义重大。基于标准回归预测模型,采用主成分分析、组合预测和两种主流的模型缩减方法(Elastic net 和Lasso)构建新的波动率预测模型,探究哪种方法能够更有效地利用多个预测因子信息。进一步,运用模型信度集合(model confidence set,MCS)、样本外R2和方向测试(Direction-of-Change,DoC)三种评价方法检验新模型的样本外预测精度。实证结果显示：不论是基于哪一种评价方法,相比其它竞争模型,两种缩减模型的样本外预测精度均为最优,可以为我国黄金期货价格的波动率预测提供可靠保障。     

金融危机期间黄金价格的影响因素研究

作为一种特殊的大宗商品,黄金具有商品、货币和避险的多重属性。在2007年开始的金融危机中,黄金表现出了较强的货币和避险属性,而过去的研究很少有涉及到其避险属性。本文就当前货币体系下的黄金定价问题,综合考虑了黄金的大宗商品、货币和避险属性,将黄金价值分解为:商品基准价值、基于汇率的"隐性货币价值"、主权国家信用违约的风险溢价,并分别以大宗商品CRB指数、美元指数USDX和美国国债CDS利差等资产价格作为代理变量对其进行定价研究。基于向量自回归(VAR)模型的研究表明:美元指数USDX负向驱动黄金价格,大宗商品指数CRB、美国国债指数CDS正向驱动黄金价格;其中大宗商品指数CRB滞后一阶、美元指数USDX滞后一阶、美国国债CDS利差滞后二阶价格信息对黄金价格的影响最显著。     

基于双正交小波支持向量机的变结构非线性协整研究

基于双正交小波在非线性信号逼近方面的良好性能,构造了一类新的双正交小波核函数并证明了该核函数满足正定核的容许性条件.在此基础上构造了基于双正交小波支持向量机的非线性协整模型,并基于双正交小波支持向量机和最小拟合误差原则,提出针对向量时间序列的最优非线性变结构点检测的动态规划方法.最后,以美元指数和原油、黄金、铜、铝、锌、铅和锡等七种国际大宗商品期货价格为对象,进行变结构非线性协整的实证研究.结果表明,美元指数与七种国际大宗商品期货价格之间具有复杂的变结构非线性关系,双正交小波支持向量机和最优非线性变结构点检测方法在变结构非线性协整分析上是有效的.     

基于动态模型平均的大豆期货价格预测研究

针对大豆期货价格波动的复杂性及影响因素的多元性，本文将动态模型平均理论引入大豆期货价格分析与预测研究中，通过动态选择解释变量和系数时变程度，在有效控制模型和系数不确定性的同时，最大限度综合利用大豆期货市场内外部信息，以提高大豆期货价格预测准确度。具体的，本文提出一套基于动态模型平均理论的大豆期货价格影响因素与预测分析框架，从期货市场和经济环境等两方面准确地识别出大豆期货价格影响因素的时变特征，进而构建大豆期货价格预测模型，并通过预测误差指标和Diebold-Mariano检验法评估其与基准模型的预测能力。研究结果表明，动态模型平均理论在有效剖析大豆期货价格影响因素的时变特征的同时，能明显提升大豆期货价格预测准确度。     

商品金融化背景下大宗商品指数收益机制转换

基于虚拟变量Markov机制转换模型,选取具有代表性的国际商品指数-标普高盛商品指数(S&P GSCI)及道琼斯大宗商品指数(DJCI)为研究对象,探寻大宗商品指数收益率机制转换出现的规律与诱因.实证结果表明:修正后的模型能较好地反映大宗商品指数收益率波动性呈现出的“中-高-中高-低-中”的阶段性变化,在阶段变换的拐点处商品指数呈现出具有转折意义的“V”形走势;金融危机前后的流动性冲击改变机制转化的概率.研究结果可以为预测大宗商品市场走势及阶段性转折点提供参考.     

投资者结构、交易失衡与商品期货市场的价格发现效率

基于上海期货交易所铝、铜、橡胶和燃料油期货合约两种投资者结构的分账户数据,分析不同类型投资者交易失衡对我国商品期货市场收益、价格发现与波动的影响。结果表明:(1)个人投资者和投机者的交易失衡暗示其寻找最佳买多或卖空时点的能力不足,存在明显的过度自信、过度投机和羊群行为,加剧商品期货价格波动;(2)机构投资者和套期保值者常常表现出与个人投资者和投机者相反的交易意愿,他们能够较好地把握买入与卖出时机,且更愿意冒险持有头寸,有助于缓解商品期货价格波动;(3)商品期货价格的变动趋势表明机构投资者和套期保值者具有一定的信息优势,能够在一定程度上预测商品期货价格的未来走势,他们极其乐观或悲观的交易失衡可以向商品期货市场传递有效的信息和时间信号。因此,提高机构投资者和套期保值者的成交量(持仓量)比例,优化投资者结构,可以有效促进我国商品期货市场的价格发现,降低期货价波动风险。此外,大型投机者的交易活动也可以在一定程度上缓解商品期货价格波动。     

中国股票市场可预测性研究：基于机器学习的视角

股市风险溢价是金融学中的一个经典研究问题.常见的线性模型存在着模型误设和参数不稳定的问题，难以有效预测风险溢价.本研究从机器学习的视角重新检视了中国股票市场的可预测性.基于1996年1月—2019年12月的数据，构建提升回归树(boosting regression trees, BRT)模型对股市收益率与波动率进行样本外预测，并构建了最优风险资产配置模型.实证结果显示：1)提升回归树方法能够对收益率、波动率和最优风险资产权重做出准确预测；2)在收益率预测中最重要的三个变量分别是净权益增加值、换手率和股价方差；挖掘预测变量之间的非线性关系是BRT预测能力的来源；3)结合提升回归树预测构建的最优风险资产组合可以为投资者带来更高的收益和效用.本研究将机器学习方法引入股票市场风险溢价的研究，为此问题的研究提供了全新的视角.     

高频视角下股市波动预测的新方法:HARFIMA模型北大核心CSCDCSSCI

异质自回归(heterogeneous autoregressive,HAR)及其拓展模型(统称为HAR-类模型)能够刻画不同类型(期限)交易者的异质性对金融市场未来价格波动的“贡献”程度,在实证研究中备受推崇,并在预测金融市场波动率中取得了较好的效果.研究发现,HAR-类模型虽然能够在一定程度上刻画金融市场中非常重要的长记忆特征,但刻画能力明显比自回归分整移动平均(ARFIMA)模型差.HAR-类模型的主要优势在于对异质性的刻画,而ARFIMA模型的主要优势在于对长记忆性的准确刻画.因此,基于这两个模型各自的优势提出了新的模型:异质自回归分整移动平均(HARFIMA)模型,并对新模型进行了拓展建模,提出HARFIMA-类模型.将HARFIMA-类模型运用于对标普500和上证综指的已实现波动率(RV)的建模和预测发现,HARFIMA-类模型能够更加准确地刻画金融市场的长记忆性,更重要的是样本外的预测能力明显优于其他模型,并且预测结果相当稳健.     

考虑交易费用与风险情况下移动平衡交易规则的检验

本文在考虑交易费用和风险因素的情况下时移动平均交易规则进行了检验.采用变长移动平均检验发现,规则能否带来显著的异常收益受其采用的时间跨度长短的影响.而定长移动平均检验的结果显示,该规则不能带来显著的异常收益.上述结果表明移动平均规则的短期预测作用更明显.我们认为,技术分析的有效性并不确定,历史文献中股票收益可利用过去的收益来预测的论断仍需更进一步的证明.     

引入投资者关注的中国股市协方差预测——基于多元HAR类模型

众多经济事实表明投资者并非完全理性。一方面，投资者由于有限关注，无法及时掌握市场上所有投资决策相关信息，可能导致资产价格对信息的反应不足；另一方面，某些信息会诱导投资者过度关注和过度交易，导致价格信号中包含更多噪声。这些都会造成短暂的错误定价，引起资产价格波动和资产间相关性的变化。鉴于此，本文认为投资者关注是影响资产多元波动率的一个重要外生因素，用百度指数衡量中国市场个体投资者关注，将其引入已实现协方差的多元异质自回归类模型，刻画个体投资者关注的变化对资产协方差的非对称影响，同时区分电脑端和移动端百度指数对协方差预测的不同贡献。采用2014年1月2日至2018年12月28日的50ETF成分股高频价格，和以股票简称及“50ETF”为关键词的百度指数，对上述模型进行实证。结果表明，百度指数代理的个体投资者关注蕴含对协方差预测有益的信息，将其引入协方差预测模型显著提升拟合性能和样本外预测能力；投资者关注的变化对资产波动及相关性的影响均存在非对称性；引入电脑端百度指数比引入移动端百度指数对协方差预测性能的提升更为显著。研究结果肯定了引入投资者关注对协方差预测的积极作用，对投资者的资产配置和风险管理有实际指导意义。     

基于PMRS的期货加权油价多步预测方法

在模式识别系统(PMRS)的基础上,采用石油期货价格加权,提出了能够有效的预测短期石油现货价格的新方法.以自然预测模型(naive forecast moclel)和PMRS作为评价基准,对美国西德克萨斯轻质原油(WTI)、普通汽油(regular gasoline)和燃料油(heating oil)的现货价格和期货价格进行了实证研究.结果表明,提出的基于PMRS的期货加权油价多步预测方法具有更为优越的短期预报性能.     

基金竞争与泡沫资产配置的模仿行为研究北大核心CSCDCSSCI

以基金锦标赛理论为基础,考察基金在泡沫资产配置的模仿行为.分析了开放式基金在泡沫资产配置上的同群效应,及其产生的原因和造成的后果.实证研究基于2005年至2015年的开放式基金投资组合季度数据,构造了基金网络矩阵和持股相似性矩阵,然后利用空间面板模型考察了基金在泡沫资产配置上的模仿行为.结果表明,开放式基金之间存在显著的同群效应,在泡沫资产配置上表现出模仿性策略.这种模仿行为给基金带来了显著的资金净流入,扩大了其管理的资产规模,但是并没有给基金投资者带来显著的超额收益.证据表明开放式基金利用了投资者的有限理性扩大其资产规模从而获得最大化利益.本文的研究对于理解我国股市泡沫的形成以及由此产生的对基金的行为进行监管提出了新的思考,为投资者利益保护研究提供了新的视角.     

基金竞争与泡沫资产配置的模仿行为研究

以基金锦标赛理论为基础,考察基金在泡沫资产配置的模仿行为.分析了开放式基金在泡沫资产配置上的同群效应,及其产生的原因和造成的后果.实证研究基于2005年至2015年的开放式基金投资组合季度数据,构造了基金网络矩阵和持股相似性矩阵,然后利用空间面板模型考察了基金在泡沫资产配置上的模仿行为.结果表明,开放式基金之间存在显著的同群效应,在泡沫资产配置上表现出模仿性策略.这种模仿行为给基金带来了显著的资金净流入,扩大了其管理的资产规模,但是并没有给基金投资者带来显著的超额收益.证据表明开放式基金利用了投资者的有限理性扩大其资产规模从而获得最大化利益.本文的研究对于理解我国股市泡沫的形成以及由此产生的对基金的行为进行监管提出了新的思考,为投资者利益保护研究提供了新的视角.     

变动均值和方差资产配置模型的应用研究

本文在均值-方差模型的基础上,以改善估计误差为主线,选取了10种变动均值-方差的资产配置模型,以等权重策略为基准,运用了确定性等价收益和Alpha值为判断准则,同时考虑了允许卖空限制和非允许卖空的情况,实证研究结果表明：虽然在资本市场中配置模型并不能显著战胜等权重策略,但随着投资范围的扩大,模型开始显现配置效果,尤其在Alpha准则下,变动均值-方差资产配置显著。同时本文还将实证结果和目前我国投资者的实际资产配置情况进行了比较,发现了现实配置结构中的不合理之处,并提出了相应的改善建议。最后对4类常用资产进行了模拟研究,其结果也进一步证实了本文的结论。     

基于前瞻信息的广义风险与收益率预测

当预期资产价格可能会下跌时,投资者可以交易期权来对冲风险,因此期权价格中隐含未来市场风险的前瞻信息,理论上基于这部分信息预测未来可提高预测的准确性和前瞻性.本文综合运用有限差分、约束最小二乘和广义极值分布等技术构建一种非参数方法,提取我国上证50ETF期权中隐含的前瞻性分布信息,以测算我国股票市场的广义风险.实证结果发现：隐含广义风险指标对未来风险调整收益具有显著预测能力,在其它预测因子基础上加入该指标可以显著改进风险调整收益的样本外预测精度;隐含广义风险指标还能反映收益率的高阶矩和尾部信息,进而能预测未来收益率发生下跳风险的概率.以上结论在控制一系列其它风险因子及不同样本区间和不同预测窗口下是稳健的,说明基于前瞻信息的广义风险指标含有其它风险因子所不具备的额外预测信息.本研究为投资者和监管部门防范化解金融市场风险提供新的前瞻性管理工具和手段.     

高频视角下股市波动预测的新方法: HAＲFIMA 模型

异质自回归(heterogeneous autoregressive,HAＲ) 及其拓展模型(统称为 HAＲ-类模型) 能够刻画不同类型(期限) 交易者的异质性对金融市场未来价格波动的“贡献”程度,在实证研究中备受推崇,并在预测金融市场波动率中取得了较好的效果． 研究发现,HAＲ-类模型虽然能够在一定程度上刻画金融市场中非常重要的长记忆特征,但刻画能力明显比自回归分整移动平均(AＲFIMA) 模型差． HAＲ-类模型的主要优势在于对异质性的刻画,而 AＲFIMA 模型的主要优势在于对长记忆性的准确刻画． 因此,基于这两个模型各自的优势提出了新的模型: 异质自回归分整移动平均(HAＲFIMA) 模型,并对新模型进行了拓展建模,提出 HAＲFIMA-类模型． 将 HAＲFIMA-类模型运用于对标普 500 和上证综指的已实现波动率(ＲV) 的建模和预测发现, HAＲFIMA-类模型能够更加准确地刻画金融市场的长记忆性,更重要的是样本外的预测能力明显优于其他模型,并且预测结果相当稳健．