股指期货与我国股市的波动性及其交易效率的实证检验

文章针对沪深300指数日收盘数据尖峰、肥尾、偏态特征,利用似然比检验选取广义误差分布作为TGARCH模型扰动分布形式,并在此基础上利用ARMA-TGARCH模型实证检验了股指期货推出对我国股市波动性和交易效率的影响.结果表明:(1)股指期货推出降低了股市的波动性,减少了市场风险;(2)波动干扰信息能够更快地反应到现货市场中,改善了股市的交易效率(3)股指期货推出后,波动非对称性有所减弱,但杠杆效应统计检验不显著.以上结论说明我国股指期货虽然上市时间不长,但它的推出加速了信息的传递速度,降低了市场风险,对于改善我国股票市场的交易效率有积极作用.但由于上市时间短,与相关法律制度建设、国企改革等方面的联动性有待进一步提升.     

股市危机中股指期货应该限制交易吗——基于2015年股市危机的实证分析

利用上证50、沪深300和中证500股指期货合约及其相应指数的高频数据,克服了传统BEKK和DCC模型的不足,通过建立VECM-DCC-VARMA-AGARCH模型考察股市危机期间中国股指期货市场与股票市场之间的信息传导关系与风险传染效应。研究结果表明,股市危机期间股指期货具有很强的价格引导和风险传染效应,股指期货的持续波动加剧了股票市场的进一步波动。因此,提出风险传染效应与市值规模相关、非对称效应和非预期冲击效应与市值规模负相关、波动的风险传染效应与市值规模正相关。危机时期,应抑制股指期货市场上的过度投机,对股指期货采取限制开仓、提高交易保证金和交易手续费都是正确和切实可行的措施。建议监管当局健全股指期货和股票市场交易制度。     

基于支持向量机的开户数对股指的非线性模型

文章利用最小二乘支持向量机的非线性建模能力,对我国股市开户数对股指的影响建立数学模型,针对2002年1月至2010年7月的数据,确定相关参数,得到股指受开户数影响的定量关系。通过该模型,可分析在不同股指情况下股市开户数对股指的影响程度。     

中国股指波动率的智能预测模型与实证检验

文章提出将改进型粒子群算法与最小二乘支持向量机(LSSVM)相结合的中国股指波动率智能预测方法,利用径向基核函数LSSVM对股指波动率进行建模及预测,并将自适应惯性权重粒子群算法(AIWPSO)和动态加速系数粒子群算法(DACPSO)分别实现径向基核函数LSSVM的参数优化,建立了两种股指波动率的智能预测模型.以日内价格极差作为波动率的代理变量,通过对上证综指和深证成指的实证研究检验了两模型的有效性.检验结果表明,AIWPSO算法优化的径向基核函数LSSVM作为中国股指波动率智能预测模型,具有更高的波动率预测精度和更快的建模速度.     

沪深300股指期货风险规避策略

文章首先利用最小二乘回归模型、VAR模型、VECM模型和GARCH模型对最优套期保值比率进行了估计,再用沪深300股指期货模拟交易的数据基于风险收益的方法进行了套期保值有效性的比较和验证.结论表明:用传统的最小二乘回归模型估计的套期保值比率效果最好.     

场景效应还是内容效应?——财经新闻、网络舆情对股市行情的实证检验

经济生活是个人日常生活的显性表达,人们的衣食住行与经济交易紧密相关,而交易与信息则密不可分,这也决定了信息对于个人生活的重要影响。通过VAR模型和基于格兰杰因果关系检验的时间序列模型探讨新闻热度、新闻情感和社交媒体热度对股指收益率的效应及影响机制。研究发现:新闻情感和社交媒体热度对股指收益率产生显著影响,而新闻热度却对股指收益率不产生显著影响;社交媒体热度不仅构成新闻热度的格兰杰原因,也是新闻情感的格兰杰原因;网络舆情的场景效应远超新闻媒体对股指收益率的内容效应。     

基于ETF的股指期货套利研究

文章首先根据中国期货市场的特性,利用ETF复制现货,构建股指期货期现套利的无套利区间模型,其次采用中金所股指期货模拟价格进行了实证分析,结果显示中国股指期货模拟市场存在着大量的期现套利机会,最后,对产生这种现象的原因进行了分析。     

股指期货预测模型构建及其应用效果分析

文章选择股指期货价格以及基差预测这一理论界和实务界共同关心的问题为研究对象,使用香港恒生期货数据为样本,分别采用时间序列ARIMA、ARMA模型对恒生期货连续指数的日收盘价对数序列LHF和基差序列BASIS进行建模分析,并利用预测误差检验量对模型样本外的预测效果进行了实证研究.结果表明,ARIMA(3,1,3)模型很好地拟合和预测了股指期货指数对数LHF序列的走势,达到了预测目的;ARMA(1,1)和ARMA(3,3)模型在预测精度方面不甚理想但基本刻画了基差序列的变动趋势.     

基于EGARCH-M模型的沪深300股指期货跨期套利研究——一种修正的协整关系

现有的基于协整股指期货跨期套利策略主要利用GARCH模型进行建模。该模型忽略了杠杆效应的存在,也未考虑条件方差可能影响协整方程。在引入EGARCH-M模型进行套利研究的基础上,提出一种新的协整关系——修正的协整;利用沪深300股指期货合约的每分钟收盘价进行实证分析,结果表明:正态EGARCH-M模型对数据的拟合效果优于传统的GARCH模型,通过设定合理的交易机制可以获得良好的套利结果;非正态的EGARCH-M模型在拟合效果和捕捉套利机会方面都比正态模型具有更好的表现,且套利效果也有显著提高。     

利率结构、市场摩擦与跨期套利——基于机器学习的预测

传统套利模型大多仅采用价差自身滞后项建模预测,并利用预测值与阈值的差异来决定是否套利,该方法遗漏了较多有用信息。文章通过将利率结构及市场摩擦因素引入预测模型,并利用8种机器学习模型对沪深300股指期货的跨期价差进行预测及构造套利策略,研究结果表明：机器学习模型能够对跨期价差实现非常精准的拟合,Elman网络、随机森林以及平均集成模型表现最好;利用机器学习模型预测值构造的套利模型能够取得非常优异的费后绩效,绝大部分套利模型的夏普比率均在30以上;将利率结构和市场摩擦因素从机器学习模型中剔除,模型预测能力及套利绩效会发生明显下降。     

我国股指期货价格发现功能研究

本文基于沪深300股指期货5分钟高频数据,利用协整检验、误差修正模型和脉冲响应函数研究了我国股指期货长短期的价格发现机制,并用信息共享模型、共因子模型研究了我国股指期货市场的价格发现贡献程度,在此基础上,引入分位数回归,探讨不同涨跌幅度的期现关系。实证结果表明：我国指数期货和现货价格存在相互引导关系,而现阶段现货市场能更快反应全部市场的冲击,且现货市场在价格发现功能中的作用相对较大;随着涨跌幅度的变化,现货对期货的影响呈U型走势,而期货对现货的影响呈单边上升走势。     

沪深300股指期货定价模型的改进及实证研究

根据沪深300股指期货市场的实际情况,将交易成本、冲击成本、借贷利率不等、融资融券、间断股利发放等因素纳入考虑,对克莱蒙考斯基和李无套利区间定价模型进行改进,推导出一个不完美市场下适用于沪深300股指期货定价的无套利区间定价模型。该模型克服了持有成本定价模型和隐含增长率定价模型假设条件太强的缺陷,在对11份沪深300股指期货合约日收盘价数据的实证后发现,该模型无套利区间定价模型定价效率最高。     

股指期货区间定价模型构建

文章据无套利原理对股指期货和股票交易中买卖双方交易成本差异、存贷款利率差异及保证金等因素影响下的不完美市场,建立股指期货的区间定价模型。一是全面考虑了股指期货和股票市场中的交易手续费、印花税、佣金等各项交易费用,并将现金股利和保证金参数引入定价模型,提高了定价的准确性;二是直接用比率指标计算股指期货的定价区间,解决了现有模型中绝对指标需要进一步换算的不足。     

自回归模型货币供应量对股票价格指数影响分析

文章利用建立的不同口径的货币供应量数据建立时序模型,通过相关分析得到2008年1月到2010年12月不同口径的货币供应量涨幅和股票价格指数涨幅的相关系数,得到M2涨幅与上证指数、IT指数、传播指数、木材指数、造纸指数的涨幅相关性最强,并进行回归分析建立了各自的回归模型。通过分析可知货币供应量对股票价格指数具有一定的影响,但不同口径的货币供应量和股指的相关性并不相同,广义货币供应量和股指的相关性最大,但货币供应量并不能成为影响股指的唯一原因。     

股指期货对股票现货市场影响的实证研究

我国于2010年4月16日正式推出了沪深300股指期货合约,这使我国资本市场发生了质的转变.文章借鉴了大量资料和成果,对引入GARCH模型HS300股指期货影响现货市场波动性的程度进行实证分析,将协整检验和Granger因果检验分析的方法加以运用来研究两市场彼此长期均衡的关系,同时应用多种方法(方差分解、脉冲响应分析、向量自回归(VAR)模型、向量误差修正(VEC)模型),进一步对期货与现货间价格发现功能进行了分析.     

基于“反事实”波动率的中国股指期货效应

以沪深300股指期货和沪深300股票价格指数为研究对象,采用基于"反事实"思想的政策效应评估方法,研究股指期货对股票价格指数波动性的影响。研究结果显示,股指期货的处置效应显著为负,沪深300指数的真实波动率远低于构造的"反事实"波动率,沪深300股指期货的推出能降低股票市场的波动性;通过安慰剂检验验证了实证结果的稳健性,表明沪深300股指期货发挥了市场"稳定器"作用。     

中国股指期货与股票市场波动性关系的实证分析

使用修正的EGARCH模型与VaR方法检验股指期货的推出对中国股票市场波动性所产生的影响。采用的数据为沪深300指数,样本数据分为股指期货推出前,股指期货推出后的短期、中期和长期与样本数据全体五个时间段。研究表明,从股指期货推出的短期与中期来看,市场对信息的反应比较混乱。从长期来看,股指期货的推出加速了信息的传递速度并且弱化了非对称效应,并没有加大股市的波动性。VaR方法检验表明,股指期货的推出有效降低了股市风险,使A股市场更加成熟和完善。     

中国股市的风险度量研究

本文从沪、深股指收益率的基本统计特征入手,用GARCH-GED模型和核估计模型分别估计了其VaR值,并对模型本身及其估计的VaR进行了较为严格的检验.结论显示GARCHGED模型能够反应股市的短期动态特征,而核估计模型估计的VaR反应了股市风险的长期特征,两个模型相互补充.     

沪深300股指期货风险的预警研究

文章通过对沪深300股指期货IF1012合约日收益率序列进行统计分析,继而建立GARCH(1,2)-GED模型,度量了中国股指期货市场的最大损失值CVAR。研究结果显示:该模型能很好的拟合中国股指期货长期合约的特征,在股指期货市场中,每个交易日的数据均受前期波动影响,CVAR值与原始收益率序列变化基本一致,且不存在滞后效应,因此CVAR值可作为风险预警的指标为有关监管部门与投资者服务。     

基于高频数据的股指风险价值预测

以高频数据为基础,本文比较研究了股指风险价值的预测问题。通过构造日"已实现"波动,并建立对数"已实现"标准差的ARFIMA模型,进而构造高频风险价值预测模型。同时,该模型与能够考察非对称性和长记忆性的APARCH模型进行比较。研究结果表明,高频风险价值预测模型具有明显的优势,能够更好的预测风险。