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。     

基于多分形理论的动态VaR预测模型研究

经济物理学(econophysics)的大量研究表明,金融市场的波动具有复杂的多分形(multifractal)特征,因此准确地测度和预测市场波动,对金融风险管理工作的意义重大。在已有多分形波动率(multifractal volatility)测度及其模型应用基础上,以上证综指10年的高频数据为对象,提出了基于多分形波动率的样本外动态风险价值(out-of-sample dynamic VaR)预测法。通过两种规范的后验分析(backtesting)结果表明,与8种主流的线性和非线性GARCH族模型相比,在高风险水平上,基于多分形波动率测度的VaR模型明显具有更高的样本外动态风险预测精度。     

基于数据驱动平滑检验的密度预测评估方法——以香港恒生指数、上证综指和台湾加权指数为例

本文提出了样本内和样本外密度预测评估的数据驱动平滑检验（data-driven smooth test）方法，并分别采用Newey-Tauchen的方法以及West-McCracken的方法来纠正参数估计对样本内和样本外密度预测评估的影响。运用本文提出的检验方法，我们比较了各种最大熵GARCH模型对中国三个股指数据（香港恒生指数、上证综合指数和台湾加权指数）的样本内和样本外预测绩效。结果显示：（1）最大熵GARCH模型可以用来刻画中国股指数据的典型化事实，GARCH模型中考虑了厚尾和偏态特征的Pearson IV分布对中国股指收益率的样本外预测绩效是很重要的；（2）具有较好样本内拟合优度和样本内预测效果的模型未必有很好的样本外密度预测效果，考虑到样本外预测的重要性，实际应用中我们应采用具有较好样本外预测效果的模型。     

A Cross-Validation Analysis of Neural Network Out-of-Sample Performance in Exchange Rate Forecasting

Econometric methods used in foreign exchange rate forecasting have produced inferior out-of-sample results compared to a random walk model. Applications of neural networks have shown mixed findings. In this paper, we investigate the potentials of neural network models by employing two cross-validation schemes. The effects of different in-sample time periods and sample sizes are examined. Out-of-sample performance evaluated with four criteria across three forecasting horizons shows that neural networks are a more robust forecasting method than the random walk model. Moreover, neural network predictions are quite accurate even when the sample size is relatively small.     

跳跃风险、结构突变与原油期货价格波动预测

本文主要是为了检验原油期货市场是否存在明显的跳跃风险和结构突变,并重点调查这两个因素是否对原油期货价格波动有预测作用。在经典或前沿的HAR-RV、HAR-S-RV和PSlev模型中,本文同时考虑跳跃风险和结构突变因素,构建了HAR-RV-J-SB、HAR-S-RV-J-SB和PSlev-J-SB模型。接着,以WTI原油期货的5分钟高频交易数据作为实证样本,对以上模型进行实证分析。实证结果显示：原油期货市场存在明显的跳跃风险和结构突变现象;HAR-RV-J-SB、HAR-S-RV-J-SB和PSlev-J-SB模型对原油期货价格波动的样本外预测精度都明显高于与之相对应的HAR-RV、HAR-S-RV和PSlev模型,且其结果是稳健的。特别地,在HAR-C和LHAR-RV等其它现有HAR族模型中加入跳跃风险和结构突变因素,也能得到类似的结果。本文的研究表明跳跃风险和结构突变因素能显著提高现有绝大多数HAR族模型对原油期货价格的预测精度,所以在HAR族模型的构建中这两个因素不能被忽视。     

基于重现时间间隔分析的极端收益预测及交易策略研究

极端收益的预测在金融风险管理中非常重要。本文系统研究了极端收益重现时间间隔的统计规律，提出了一种基于重现时间间隔分析的早期预警模型，并对极端收益的重现进行预测，检验了模型在样本内外的预测性能；最后分别针对极端正收益和极端负收益的样本外预测结果，设计了看涨和看跌的两种交易策略，并以中国上证指数、法国CAC40指数、英国富时指数、香港恒生指数和日本日经指数为例，对交易策略的日均收益率进行了统计显著性检验。研究结果表明，极端收益的重现时间间隔具有右偏、尖峰厚尾和强自相关等典型特征；极端收益预测模型在样本内和样本外检验中都具有良好的预测能力；看涨和看跌交易策略在卖出区间均能有效地避开下跌阶段，看涨策略有更显著的盈利水平。     

短期电价预测的组合混沌方法

电力市场中,电价的变化呈现的是一种非线性的、动态开放的过程,传统的方法已很难提高其预测精度。为此,本文提出一种基于小波变换、计量经济学模型和径向基函数网络的组合混沌预测方法。首先利用小波变换将原电价序列分解、重构成概貌序列和细节序列;在此基础上,针对不同的子序列建立不同的模型,并进行预测;最后将所有子序列的预测结果求和,作为最终的预测值。对西班牙电力市场短期电价的预测表明,该方法具有很高的预测精度。     

汇率的非线性组合预测方法研究

近年来的经济统计研究表明,组合预测比单项预测具有更高的预测精度,但线性组合预测方法在汇率的组合建模与预测方面存在着较大的局限性。本文提出了一种基于模糊神经网络的汇率非线性组合建模与预测新方法,并给出了相应的混合学习算法。对于英镑、法朗、瑞士法朗、日本元对美元等汇率时间序列的组合建模与预测结果表明,该方法具有很强的学习与泛化能力,在处理外汇市场这种具有一定程度不确定性的非线性系统的组合建模与预测方面有很好的应用价值。     

基于四次幂差修正HAR模型的股指期货波动率预测

股指期货波动率建模与预测是揭示其波动运行规律和市场风险是重要途径。本文基于跳跃、好坏波动率与符号跳跃建立四组HAR模型,提出单级纠偏HARQ类模型和多级纠偏HARQF类模型,实证研究揭示股指期货波动运行规律,并采用MCS检验来评估模型优劣。HAR建模考察连续与跳跃波动、好与坏波动率的两种已实现波动分解。为了降低波动率估计偏差,基于最小化MSE准则确定最优抽样频率,利用已实现核修正的ADS检测法识别跳跃,采用已实现核估计修正好坏波动率与符号跳跃。基于沪深300股指期货的实证研究表明：连续波动比跳跃波动对未来已实现波动贡献更大;好坏波动率具有不对称波动冲击,而符号跳跃对未来波动具有负向冲击;好坏波动率分解优于连续与跳跃波动分解;中位数已实现四次幂差能够显著提升HAR类模型的样本内外预测能力;与样本内预测相反,样本外预测中单级纠偏HARQ类模型优于多级纠偏HARQF类模型;MCS检验得出HARQ-RV-SJ模型表现最佳。研究结论与启示对认识股指期货波动规律和市场风险具有意义。     

基于可变区间权重的中期用电量半参数预测模型

由于数据变化规律的多样性,中期电力负荷的波动有着不同于短期、长期负荷的特点。基于电力系统复杂性的研究视角,重点讨论了中期负荷预测过程中模型的不确定性、参数的时变特性以及负荷波动的周期性规律。根据中期负荷的数据特性,建立了基于非参数修匀的半参数模型,定义了函数区间的划分粒度以及模型权重的求解方法,提出了基于可变区间权重的动态预测方法,给出了基于经验模态分解和波动能量分析的噪声序列提取、检验方法。试验研究结果表明,气候因素对用电消耗的影响最大,经济因素次之;从选取的指标来看,不同时期的影响因素对于模型的解释能力是时变的;所提方法能够对电力负荷进行精确的多粒度、多维度分析,进而掌握其局部变化规律,可有效用于电力系统中期负荷预测。     

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。     

基于LSTHAR模型的投资者关注对股市波动影响研究

有限关注理论认为投资者关注有限，无法掌握市场上所有信息，这会使股票出现暂时的错误定价，引起市场波动，因此投资者关注可能包含预测波动的有益信息。鉴于百度指数能较好代理中国投资者的主动性关注，本文提出将其作为逻辑平滑转移结构的转移变量，引入已实现波动的异质自回归类模型，以刻画投资者关注的变化对未来市场波动的非线性影响。基于华夏上证50ETF高频价格数据的实证表明：新模型相比于异质自回归类基础模型，有显著更优的拟合效果和显著更强的预测性能，即投资者关注的非线性引入对波动率预测有显著贡献。本文还发现，相比于引入移动端百度指数和总体百度指数，引入电脑端百度指数对模型预测性能的改进明显更大，表明电脑端百度指数代表的投资者关注对市场波动有更大的影响。研究结论对投资者风险管理和投资决策有实际指导意义。     

Combining Judgmental and Statistical Forecasts: An Application to Earnings Forecasts

This study investigated the accuracy of combinations of statistical and judgmental forecasts of annual accounting earnings. Combined forecasts were generated as equally weighted (i.e., simple averages) and unequally weighted combinations of individual forecasts from time-series models of quarterly and annual earnings (statistical forecasts) and security analysts' forecasts of quarterly and annual earnings (judgmental forecasts). The effect of the number of individual forecasts combined on the accuracy of the combined forecasts was also examined. The empirical results indicated that, on the average, combined forecasts were more accurate than individual forecasts. The results also indicated that although analysts' forecasts are based on a wider information set, the accuracy of their forecasts could be improved by combining them with forecasts generated from statistical models. Even if the best individual forecast could be identified in advance, gains in accuracy could be achieved by using combinations of two other forecasting methods. Several of the combined forecasts were superior to the most accurate individual forecast. Forecasts combined by using unequal weights derived from a regression model proved more accurate than equally weighted combinations. Forecasting accuracy improved and the variability of accuracy across different combinations decreased as the number of forecasts in the combination increased.     

组合预测误差校正模型的应用分析

过仿真和实例应用进一步分析了基于斯坦规则估计和误差校正机制的组合预测模型 的适用性,并初步探讨对不同形式的组合预测模型进行再组合的效果. 应用结果表明,对于非 平稳或模式变动较大的平稳序列,组合预测的误差校正模型相对于非误差校正模型具有明显 的性能优势,不同组合预测的再组合可在一定程度上分散组合预测模型形式选择不当的风险.     

Markov and renewal models for total manpower system

This study compares the predictive utility of three stochastic models for both total manpower system and cohort personnel movement. The models are all discrete time versions, including a first order Markov chain, a Markov chain with duration of stay (semi-Markov) and a vacancy model having both renewal and Markov properties. The analysis covers a continuous 20 year period: 1950–1970 for a state police (U.S.A.) internal labor market. The simple Markov chain model is inadequate for long term cohort forecasts, but reasonably adequate for long term organizational forecasts. The semi-Markov model outperforms the simple Markov model for cohorts, but is surprisingly less accurate for the total organization. The heuristic information it portrays for the cohort is, however, quite informative. The best model for intermediate (5 year) and long term (10 year) forecasts in both cohort and organizational tests is the renewal type vacancy model. This finding is viewed as particularly important both in terms of empirical performance, which we expect can be improved due to the initial simplifying assumptions used, and in terms of further theoretical explication of the underlying causal process since internal staff flows are conceptualized as contingent on the opportunities available.     

考虑成分股联跳与宏观信息发布的沪深300指数已实现波动率模型研究

利用日内高频数据计算的已实现波动率较好度量了金融资产的风险,因此对其预测模型的研究具有重要意义。考虑到指数成分股的联跳可能蕴含指数跳跃所未能反映的信息,提出运用非参数方法识别指数成分股的联跳,采用自回归条件风险模型估计成分股联跳强度,并将其引入指数的已实现波动率异质自回归（HAR-RV-CJ）模型中,分析模型预测性能的改进。进一步的,考虑到宏观信息公告的发布可能对股市产生整体性影响,相应影响成分股联跳的几率;因此,在成分股联跳的自回归条件风险模型中引入居民消费价格指数、国内生产总值、贸易差额等宏观信息公告变量,并分析对联跳强度估计以及指数已实现波动率预测的影响。采用2011年1月4日至2013年7月11日沪深300指数及其成分股高频数据的实证表明,指数成分股联跳与指数跳跃具有不同的特征;用成分股联跳强度代替HAR-RV-CJ模型中的跳跃构建的HAR-RV-CI模型,较原始的HAR-RV-CJ模型,以及同时考虑指数跳跃与成分股联跳强度的HAR-RV-CJI模型,具有明显较优的样本内拟合与样本外预测性能。引入宏观信息公告变量可以改进联跳强度自回归条件风险模型的拟合效果,并提高指数已实现波动率模型的样本内拟合能力,但对于指数已实现波动率的样本外预测性能并无明显的帮助。     

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。     

Sales Forecasting with Financial Indicators and Experts' Input

We present a method for forecasting sales using financial market information and test this method on annual data for US public retailers. Our method is motivated by the permanent income hypothesis in economics, which states that the amount of consumer spending and the mix of spending between discretionary and necessity items depend on the returns achieved on equity portfolios held by consumers. Taking as input forecasts from other sources, such as equity analysts or time‐series models, we construct a market‐based forecast by augmenting the input forecast with one additional variable, lagged return on an aggregate financial market index. For this, we develop and estimate a martingale model of joint evolution of sales forecasts and the market index. We show that the market‐based forecast achieves an average 15% reduction in mean absolute percentage error compared with forecasts given by equity analysts at the same time instant on out‐of‐sample data. We extensively analyze the performance improvement using alternative model specifications and statistics. We also show that equity analysts do not incorporate lagged financial market returns in their forecasts. Our model yields correlation coefficients between retail sales and market returns for all firms in the data set. Besides forecasting, these results can be applied in risk management and hedging.     

动态金融高阶矩建模:基于Generalized-t分布和Gram-Charlier展开分布的比较研究

动态时变高阶矩是金融收益率的一个重要特征。本文对比研究了主流的Generalized-t分布(GT)和Gram Charlier Expansion分布(GCE)在GJRGARCH模型下对动态高阶矩的拟合能力和Value-at-Risk的预测能力。基于2005-2014美国标普500股指和中国沪深300股指日收益率的实证结果显示,收益率的条件高阶矩存在显著的时变性和持续性,其中偏度参数的持续性参数达到0.9以上。从各种统计指标综合来看,这两种方法都具有较好的实证表现。尽管GCE分布具有某些高阶矩建模的便利性,GT分布的实证拟合能力更强,对极端概率Value-at-Risk的样本外预测也更加准确。     

沪深300股指期货对冲效率研究

本文首先通过在VECM-GARCH模型中引入非对称基差,研究了基差对我国沪深300股指期货和现货回报的条件均值与风险结构影响的非对称效应。在此基础上分别以方差最小化（MVHR）和效用最大化（UMHR）为标准,考察了包含VECM-GARCH-X在内六种不同模型在样本内外的风险对冲效果,并探索投资者风险厌恶系数与对冲成本对最优套期保值模型选取的影响。最后得出：基差对沪深300股指期货和现货回报的条件均值和风险结构都存在显著的非对称效应,在一般风险厌恶水平下考虑基差非对称效应的VECM-GARCH-X模型能够总体上提高对冲效率,但是无法弥补动态调整增加的额外交易成本,因此固定对冲比率的OLS模型在实践中仍然更优;同时最优套期保值模型的选择与投资者的风险厌恶系数显著相关,风险厌恶程度越大,动态套期保值模型的效果就越好,这一发现也得到了论文最后最优调整频率研究结论的进一步证实。