基于波动择时绩效的高维波动率估计量与预测模型研究

对协方差矩阵高频估计量和预测模型的选择，共同影响协方差的预测效果，从而影响波动择时投资组合策略的绩效。资产维数很高时，协方差矩阵高频估计量的构建会因非同步交易而丢弃大量数据，降低信息利用效率。鉴于此，将可以充分利用资产日内价格信息的KEM估计量用于估计中国股市资产的高维协方差矩阵，并与两种常用协方差矩阵估计量进行比较。进一步地，将三种估计量分别用于多元异质自回归模型、指数加权移动平均模型以及短、中、长期移动平均模型进行样本外预测，并比较在三种基于风险的投资组合策略下的经济效益。采用上证50指数中20只不同流动性成份股逐笔高频数据的实证研究发现：（1）无论是在市场平稳时期还是市场剧烈震荡期，长期移动平均模型都是高维协方差估计量预测建模的最优选择，在应用于各种波动择时策略时都可以实现最低成本和最高收益。（2）在市场平稳时期，KEM估计量是高维协方差估计的最优选择，应用于各种波动择时策略时基本都可以实现最低成本和最高收益；在市场剧烈震荡期，使用KEM估计量进行波动择时仍然可以在成本方面保持优势，但在收益上并不占优。（3）无论是在市场平稳时期还是市场剧烈震荡期，最低的成本都是在采用等风险贡献投资组合时实现的，而最高的收益则都是在采用最小方差投资组合时实现的。研究不仅首次检验了KEM估计量在常用波动择时策略中的适用性，而且首次实证了实现最为简单的长期移动平均模型在高维协方差矩阵预测中的优越性，对投资决策和风险管理等实务应用都具有重要意义。     

已实现波动与日内价差条件下的CVaR估计

随着高频金融数据的获取,已有很多基于高频数据的研究,包括已实现波动率的估计及其分布特征分析等.尝试结合日内高频数据和日收益率数据,基于Copula方法分析了日收益率与"已实现"波动率以及日内价差之间的相依结构.通过分象限对数据进行了Copula拟合,给出了一类特殊数据的联合分布估计方法,进而给出了已实现波动率和日内价差条件下的CVaR的估计方法.最后基于中国股市上证综指和深证成指的高频收益率数据进行了实证分析,并对两种条件下的CVaR方法进行了预测效果的比较,实证结果表明已实现波动率条件下的CVaR预测效果更好.     

金融波动的赋权“已实现”双幂次变差及其应用

金融波动是金融研究中的热点问题。金融高频数据比低频数据包含了更丰富的日内收益波动信息,因此对金融高频时间序列的研究成为金融领域中备受关注的焦点。"已实现"波动是利用高频数据计算金融波动率的全新方法,目前在金融高频数据的研究中应用十分广泛,但它具有误差较大和不稳健的缺点,因此各种改进方法应运而生,其中"已实现"双幂次变差克服了"已实现"波动的不稳健的缺点。本文提出赋权"已实现"双幂次变差的概念,不但继承了"已实现"双幂次变差的稳健性,而且满足无偏性和最小方差性,通过理论证明和实证研究都表明其能够更准确的度量金融波动率。     

双因子非对称已实现SV模型及其实证研究

在基本的SV模型中引入包含丰富日内高频信息的已实现测度,同时考虑其偏差修正以及波动率非对称性与长记忆性,构建了双因子非对称已实现SV（2FARSV）模型.进一步基于连续粒子滤波算法,给出了2FARSV模型参数的极大似然估计方法.蒙特卡罗模拟实验表明,给出的估计方法是有效的.采用上证综合指数和深证成份指数日内高频数据计算已实现波动率（RV）和已实现极差波动率（RRV）,对2FARSV模型进行了实证研究.结果表明：RV和RRV都是真实日度波动率的有偏估计（下偏）,但RRV相比RV是更有效的波动率估计量;沪深股市具有强的波动率持续性以及显著的波动率非对称性（杠杆效应与规模效应）;2FARSV模型相比其它已实现波动率模型具有更好的数据拟合效果,该模型能够充分地捕获沪深股市波动率的动态特征（时变性、聚集性、非对称性与长记忆性）.     

基于“已实现”波动率ARFI模型和CAViaR模型的VaR预测比较研究

高频金融数据在风险价值VaR度量和预测方面的价值已经引起了学术界和业界的广泛兴趣。计算和预测VaR的方法广义上可以分为两大类:间接法和直接法,在有了高频数据后,两类方法均可行,尤其是由于高频数据导出的"已实现"波动率的出现,使得间接法有明显改进。本文将从间接法中选取基于"已实现"波动率的ARFI模型与从直接法中选取的两个CAViaR模型进行比较,采用沪深300、上证指数、深证成指的5分钟高频数据,根据多种在评价VaR预测模型表现时广泛使用的后验测试,对各模型进行实证检验,结果表明基于CAViaR模型的预测表现优于基于"已实现"波动率的ARFI模型,这对风险管理从业者有一定的参考意义。     

考虑组合动态调整效率的相关性估计模型比较

准确估计组合内资产收益相关性是构建投资组合、定价衍生品以及风险管理的关键.引入波动择时策略从组合动态调整效率角度比较两类组合相关性估计模型的应用价值,并且利用不重叠的Block Bootstrap抽样对原始数据进行模拟,以期获得更可信的实证结论.结果表明根据基于高频数据的"已实现"模型对组合进行动态调整较静态组合会获得更多收益,而根据DCC-GARCH模型调整组合反而会有损失,说明"已实现"模型比DCC-GARCH模型更具有应用价值.     

不同抽样频率波动模型的预测精度比较

以上证综指和标准普尔500指数为例,构建了基于不同抽样频率股价数据的波动模型,然后运用样本外的滚动时间窗法实证计算了各波动模型对未来市场波动率的预测值,最后运用具有bootstrap特性的SPA检验法实证检验了各波动模型的预测精度差异.研究结果表明,基于低频数据的波动模型对股市波动率的预测精度远远落后于基于高频数据的波动模型,使用高频数据有助于对市场波动率的精确预测.     

基于C_TMPV的中国股市高频波动率的跳跃行为研究

运用2000年1月4日至2008年12月31日上证综指每5分钟的高频金融数据,采用核估计量估计中国股市高频波动率序列,运用修正的已实现门阀多次幂变差估计中国股市高频波动率的跳跃序列,实证分析中国股市高频波动率跳跃的各种特征,并运用ACD模型、ACH模型以及扩展的ACH模型进一步分析中国股市高频波动率跳跃的持续期的特征.研究结果表明,中国股市高频波动率及其跳跃都具有集聚的特征,高频波动率发生显著跳跃的比例相当高,高频波动率跳跃的幅度、强度和跳跃幅度的分布都具有时变性,而跳跃对高频波动率的贡献却具有相对稳定性;在样本期,中国股市高频波动率跳跃表现出较强的正相关性,且跳跃的持续期存在较强的长记忆性和周日历效应.     

中国ETF基金价格“已实现”波动率、跟踪误差之间的Granger关系研究

在高频数据条件下,中国ETF基金价格"已实现"波动率与跟踪误差之间是否存在着因果关系并存在着信息的先导效应？基于"已实现"波动、跟踪误差计算方法及Granger因果检验过程、VAR模型等,本文对此进行了深入研究。研究结果认为:中国ETF基金价格"已实现"波动率与两种跟踪误差分别具有Granger因果关系,后者是前者的Granger原因;中国ETF基金价格"已实现"波动率序列与两种跟踪误差序列的同期及一、二阶滞后相关性较高,而跟踪误差滞后于"已实现"波动率;当ETF基金的跟踪误差受外部市场条件的某一冲击后,将给ETF基金价格"已实现"波动率带来同向的冲击,这一冲击具有一定的持续性和滞后性。     

套期保值, 估计风险与贝叶斯统计——基于中国铜期货市场的经验研究

针对期货最优套期保值策略估计中可能存在的估计风险问题,本文对单变量线性回归模型(OLS模型)和多变量线性回归模型(VAR模型和EC-VAR模型)进行贝叶斯分析,并采用Gibbs抽样方法对中国铜期货市场的最优套期保值策略进行了实证分析。本文还同时估计了基于频率统计方法的最优套期保值策略,并对贝叶斯统计下和频率统计下的最优套期保值策略进行了分析比较。实证结果清楚表明,估计风险对模型结果有重要影响。在处理估计风险方面,贝叶斯统计较频率统计方法有明显优势。     

中国股票市场资产价格模型设定检验

正确设定股票市场资产价格动态模型对资产定价、投资组合和风险管理具有基本重要性。本文基于随机过程非参数统计推断方法,采用幂变差和门限幂变差构造检验统计量,首次对我国股票市场资产价格半鞅的构成进行检验和分析。采用上证指数、深证成指和沪深300指数日内高频数据的实证结果表明,我国股票市场资产价格过程包含布朗运动积分形成的扩散过程和跳过程,既包含有限活动Poisson大跳过程也包含无限活动Levy小跳过程。在跳扩散过程中引入无限活动Levy跳跃过程才能全面刻画我国股票市场资产价格的动态特征。这一结果为相关研究提供了基础性实证结论。     

基于期权与高频数据信息的VaR度量研究

传统的市场风险度量模型没有充分利用期权与高频数据包含的信息,且主要基于单因子波动率模型,导致信息的损失以及模型缺乏足够的灵活性.本文基于灵活的双因子随机波动率模型,通过提取期权与高频数据包含的市场前瞻与当前信息,构建相应的市场风险度量波动率模型对在险值（VaR）进行度量.为了估计模型参数,建立基于连续粒子滤波的极大似然估计方法.采用iVX指数与已实现波动率测度（RV）作为上证50ETF期权与高频数据信息的代理,对构建的市场风险度量波动率模型进行了实证检验,结果表明：充分利用了期权与高频数据信息的双因子随机波动率模型能够在快速变化的市场环境中更好地估计波动率,相比其它波动率模型（仅利用了历史数据信息的GARCH模型、利用了高频数据信息的已实现GARCH模型以及利用了期权与高频数据信息的单因子随机波动率模型）具有更为优越的VaR度量精确性,尤其是极端风险情形下的VaR估计精确性改进明显,凸显了期权与高频数据信息以及双因子波动率在市场风险管理中的价值.     

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。     

期现货市场订单流动性层面的“遛狗效应”——基于交易量刻度的高频交易数据研究

在多层次资本市场的大发展趋势下,建立有效的衍生品-现货互补对冲机制是完善金融市场的基本要求。期货-现货体系为投资者提供套期保值风险对冲功能对期货与现货合约的紧密联系程度提出非常高的要求,这不仅应体现在价格上,更应微观的体现在交易过程的订单流动性中。若在任何情形下,订单流动性的趋同能够立刻反应在两类金融证券中,那么异常的基差风险就很难发生,股指期货与现货之间将存在健康的"遛狗效应"。本文以期货现货合约的高频交易数据为基础,构建期货和现货合约的订单流动性,并通过期现货订单流动性传染互动模型的合理性检验期现货合约之间是否在微观订单流动性层面在平常交易日存在紧密的"遛狗效应"。在高频数据模型构建中,使用成交量刻度的衡量方法,并说明了其较时间刻度的优势。在实证研究中,本文使用股指期货和沪深300指数现货的高频交易数据,证明了我国股指期货和现货之间在平常交易日中存在紧密的"遛狗效应"。     

基于TrTS取样的股票收益率RV测度的改进

由于噪声的存在使得高频数据的分析过程存在着诸多困难,本文探讨了高频数据情况下的金融资产收益率已实现波动率的估计问题。在离散化的跳跃模型基础上,通过混合泊松分布而非传统的连续扩散模型来描述价格过程,并进一步提出了不同于以往文献研究的噪声假设,即在独立同分布的噪声假设基础上放松约束条件,保持噪声的独立性,但是允许噪声强度随时间变化,以此改善了传统的固定时间间隔取样模式。为了进一步改善估计效果,我们结合了TrTS(Transaction Time Sampling)以及一阶偏误修正的RV(realized variance)估计方式RVAC(1) (first-order AutoCorrelation to RV)。对来自两个交易所不同板块股票的价格数据进行的实证研究结果表明,本文的估计方式虽然对于个别股票价格数据会产生与实际背离潜在真实价格参数,但整体上对于已实现波动率的估计效果是比较稳健的。     

基于混频数据模型的宏观经济对股票市场波动的长期动态影响研究

股票价格时间序列与宏观经济变量时间序列原始数据的不同频直接导致传统计量模型在处理宏观经济波动与股票市场波动的关系问题中产生模型误设和估计偏误。本文运用混频自回归条件异方差模型从水平值和波动率两个维度实证分析生产者价格指数、居民消费价格指数、宏观经济景气指数及同业拆借利率四个宏观经济变量对股票市场波动的长期动态影响。同时,运用主成分分析提取宏观经济第一主成分并构建一个宏观经济综合指数,进一步探究宏观经济总体状况对股票市场波动的长期影响。研究发现：股票市场已实现波动率显著地放大了股票市场的长期波动。生产者价格指数、居民消费价格指数、宏观经济景气指数的水平值和波动率均对股票市场长期波动产生显著影响;且其波动率维度呈现出较强的持续效应;同业拆借利率仅在水平值维度对股票市场波动长期成分产生微弱影响。宏观经济第一主成分和宏观综合指数的波动率对股票市场波动长期成分均具有显著的正向放大作用,但持续效应较弱;而其水平值对股票市场波动长期成分的影响虽然微弱,但持续时间较长。     

基于半鞅过程的中国股市随机波动、跳跃和微观结构噪声统计特征研究

本文基于半鞅过程和非参数统计推断方法,利用已实现幂变差的渐进统计特性,构造检验统计量,在统一的分析框架下,对金融资产价格中随机波动、跳跃和微观结构噪声等问题进行全面系统的研究。并根据上海证券交易所不同行业的股票,上证50 股票指数及其成分股的高频数据进行实证研究。结果表明,我国A 股市场中,噪音交易显著;约43%的风险来源于资产收益过程的随机波动风险,可用股票期权交易对冲;不同来源风险的重要性程度依次为:随机波动的风险、系统性跳跃风险以及异质性跳跃风险;流动性越好的股票越显示出跳跃、尤其是无限小跳的证据。     

中国股票市场的时变杠杆效应研究——基于随机Copula模型的实证分析

构建随机Copula模型研究了中国股票市场在极端市场条件下的时变杠杆效应.为了解决金融市场中波动率不可直接观测的问题,采用已实现波动率测度作为隐波动率的代理变量,进而运用基于有效重要性抽样的极大似然(EIS-ML)方法估计了随机Copula模型的参数.基于沪深股市数据的实证研究表明:中国股票市场的杠杆效应具有非对称特征,即股市低收益率伴随高波动率,但股市高收益率不一定伴随低波动率;中国股票市场的杠杆效应存在显著的时变性,沪深股市杠杆效应表现出类似的变化趋势;随机Copula模型相比其它Copula模型(静态Copula模型和时变Copula模型)具有更好的数据拟合效果.     

中国流通A股市场投资者实现回报率研究

现实中的股票市场不可能完全符合资本市场有效性假设,因而把股票成交价格看作是股票的市场价值,并据此计算股票投资回报率的传统做法存在着明显的弊端。投资者实际实现的回报率对现实股票市场,特别是规范程度很低的我国股票市场的研究具有重要意义。本文提出了无需完全有效市场假设的现金概念及以此为基础的投资者实现回报率概念,并给出了现有条件下的投资者回报率计算公式和沪深两市的计算结果。