基于高频数据模型的中国股市微观结构理论研究

一、引言 随着计算机计算能力和存储容量的飞速发展,人们可以获得频率越来越高的数据,甚至可以获得股票市场实时的每笔成交数据,这些数据称之为高频数据,即指日与日内的数据,主要针对以小时、分钟或秒为采集单位的数据.近些年来日内金融数据库的获得对应用计量经济学和金融市场微观结构的研究有重要作用.在应用计量经济学文献中也相应产生了一些高频数据模型试图描述价格过程的性质.     

股票日内交易数据特征和波幅的分析

一、引言随着计算技术的发展和存储成本的降低 ,人们已经可以获取和分析日内股票交易的数据 ,这些数据对于金融市场研究的重要领域———金融市场微结构理论和实证金融经济计量学的研究产生了重要推动作用。 90年代以来 ,在实证金融经济计量研究中出现了对高频金融数据建模和分析的领域 ,即以日内交易数据为基础 ,去揭示交易过程的机制和统计特征。高频金融交易数据分析模型从 90年代开始迅速发展 ,目前已广泛地用于金融市场微结构理论的应用和实证检验。在有关研究领域中 ,市场参与者的行为以及交易过程的统计规律和特征的描述是研究关注的…     

中国证券市场的LOG-ACD模型及其应用

0引言随着计算机技术的飞速发展,人们可以越来越方便的获得各种高频交易数据。高频数据的获得,开辟了新的研究领域,为了更好的分析这些高频数据,许多新的计量经济模型也应运而生。传统的计量经济模型基于固定的时间间隔进行分析,如随机波动和GA RCH模型等。由于传统的ACD模型对     

非对称信息与高频价格变动

高频价格运动对金融市场微观结构具有非常重要的意义。由于高频价格的离散性和不等距变化的特点使得对该类变量建模较为困难,而在理论与实证研究中通常是根据特定的研究目的建立相应的高频价格运动模型。故从金融市场微观结构信息不对称理论出发,结合中国纯限价订单市场的实际情况和对中国市场交易者行为的分析,建立高频价格运动和非对称信息的联合模型,并同时估计和模拟了非对称信息状态和高频价格运动的轨迹。研究发现,知情交易者的比率对交易价格与市场流动性均有显著影响。     

高频数据及市场微观结构模型

高频数据(high-frquency data)是在很微小时间(秒)区间范围内的观察值.在金融领域,如股票市场和外汇交易市场,时常意味着每天或一天内更小的时间区间内的观察值.例如,IBM股票在1999年12月的交易数据超过134000个.这些数据之所以能够获得是因为随着计算机技术和电子交易系统的发展,交易成本的下降,使数据获取和处理方法有了发展和提高.     

高频时间序列基于小波分析的预测

高频金融交易数据分析模型从上世纪90年代开始迅速发展,目前已广泛地用于金融市场微观结构理论的应用和实证检验.随着信息技术的不断发展,金融市场逐渐关注于利用高频金融数据的建模方法与理论的研究.但是,目前利用小波分析研究高频数据的文章并不多,而股市变化迅速且信息量巨大,正适合用高频数据的方法采集信息.     

基于高频数据的股票市场价格集聚效应特征研究

股票价格常常呈现出集聚效应，并对市场质量产生重要影响，因此需要利用高频数据深入研究中国股票市场价格集聚效应的存在性及其表现特征，同时解释其原因。通过对沪市高频交易数据的统计检验和定量实证研究表明：价格尾数在“0”、“5”和“8”上存在显著的集聚效应，并且可以用“价格决定”假说加以解释，但是不能用“价格吸引”假说解释。投资者通过在这些点位上变动一个最小报价单位进行报价，将可以最小成本获得交易的优先权。     

基于EM算法的知情交易概率估计

知情交易在金融市场微观结构中扮演了重要角色,而估计知情交易概率的传统方法仍存在一些不可克服的障碍。通过借鉴EM算法的思路并重新设计EKOP模型中参数的估计方法,对模拟数据和市场交易数据进行估算的结果表明,基于EM算法的知情交易概率估计相比以往对似然函数因子化的处理方式,在避免数值溢出和估算效率两方面都有明显改善,这为正确认识市场内部的知情交易水平提供了有力工具。     

交易信息、跳跃发现与波动率估计

在高频金融数据研究中,估计金融资产价格序列积分波动率时,往往需要考虑市场微观结构噪声与资产价格跳跃的影响.本文将市场微观结构噪声部分地表示成交易信息的参数函数,并结合资产收益序列的跳跃特征,提出资产收益的高斯混合模型.本文利用EM算法进行噪声参数估计的同时,识别资产价格的跳跃,进而提出一种新的积分波动率的估计量.本文提出的方法可以视为Li等(2016)的改进,并在模拟研究中,得到了比Li等(2016)更好的参数估计效果,且即使在跳跃幅度分布误设的情况下,也具有良好的识别跳跃的功能.在应用举例中,对比了本文方法与Lee和Mykland(2008)的跳跃发现方法,论证了本文的模型在识别跳跃方面的可靠性.     

基于高频数据的市场有效性研究

本文利用上海证券市场高频数据,用方差比方法研究了金融市场有效性问题.研究表明,上证综指不服从随机游走,收益存在正相关,相关程度的变化呈现周期性,同时市场存在显著的异步交易现象,方差比统计量在较长的滞后期内呈显著的振荡衰减特性.     

The Distribution of Stock Returns When the Market Is Up

Abstract

For some investments, the relation between stock returns and the market proxy is conventionally described by a linear regression model with the normality assumption. This paper derives the distribution of stock returns for a security in an upgrade (or downgrade) market with the assumption that the log stock returns of the market proxy follow a mixture of normal distributions. We discuss MLE and the method of moment estimation for parameters involved in the model. An analysis of stock data in Johannesburg Stock Exchange is included to illustrate the model. This note explains the phenomenon in financial analysis regarding the shape of the distribution of long-run stock returns limited on an upgrade or downgrade market index.     

中国股市的内生不确定性分析

中国股市的异常波动性不利于其健康发展。运用理性信念理论分析中国股市的内生不确定性，并对经典的CCK模型进行改进。实证分析得出内生不确定性是导致中国股市异常波动的关键性因素，在此基础上提出减缓中国股市波动的相应措施：建立完善投资者教育机制；逐步减少政府对股市的政策干预；加大信息披露监管力度，提高上市公司信息披露的真实性；提高上市公司质量，改善市场结构。     

基于VAR的央行对股票市场影响力分析

文章利用协整和向量自回归工具,通过单位根检验、因果关系检验、协整检验和脉冲分析,从更宽广的视角来分析央行对股票市场的影响力。     

Reply

This article develops a new identification procedure to estimate the contemporaneous relation between monetary policy and the stock market within a vector autoregression (VAR) framework. The approach combines high-frequency data from the futures market with the VAR methodology to circumvent exclusion restrictions and achieve identification. Our analysis casts doubt on VAR models imposing a recursive structure between innovations in policy rates and stock returns. We find that a tightening in policy rates has a negative impact on stock prices and that the Federal Reserve (Fed) has responded significantly to movements in the stock market. Estimates are robust to various model specifications.     

沪深A、B股市场信息传递路径实证分析

运用计量经济学中的ARCH-LM检验、GARCH模型、Granger引导关系检验等分析方法，实证分析了B股市场对境内投资者开放前后沪深两市A指收益率序列与B指收益率序列和非预期收益率序列的Granger引导关系，给出沪深A、B股市场信息传递路径，并且指出从信息流动角度来说，A、B股市场整合的方式是从A股市场向B股市场的内幕消息的传递和从B股市场向A股市场的投资理念的趋同。     

中国股市A、B指长期均衡关系的实证分析

文章运用计量经济学中的协整理论,对1997年1月1日至2001年2月19日及2001年2月28日至2004年12月31日两个阶段上证A、B指间及深圳成分A、B指间的长期均衡关系进行了实证分析,得出中国股市A、B股分割状况有所改善的结论,并从信息的构成、处理、转化、传递的角度对沪、深两市的差异进行了解释。     

流动性信息与资产收益：基于非参数模型的分析

本文首先从全新的角度给出市场深度指标的求解方法,然后结合条件资产定价模型和自回归条件异方差模型的优势建立半变系数模型,并应用于我国股票市场每日收益率的研究,得出四点判断：1、通过非参数方法求解得到的指标值具有显著的平稳性。2、流动性信息的时变性对股票市场存在显著的非线性冲击,而且流动性信息的持续性变化与收益之间存在负向关系。3、得到和经典资产定价模型相同的结论,即市场综合指数对个股具有显著的影响。4、模型验证了流动性信息通过波动性将信息非线性传导给投资者的假设,伴随着流动性信息的时变性,投资者所得到的风险补偿也具备时变性。5、通过实际数据的验证,我们所建立的半变系数模型能够较好的解释流动性信息的传递,也为我们以后的实证研究提供了一个估计和检验流动性信息传导和时变型风险补偿的新方法。     

基于风险预期的深市收益率预报研究

在预报股市收益率时考虑到股市风险波动及其结构性变化对股民心理预期的影响,采用状态空间理论将静态风险溢价GARCH-M模型改进为动态风险溢价模型。以中国深圳股市作为算例,研究了2006年1月至2008年8月深市风险的波动及股民风险预期的变化,并据此模拟了深市2008年8月的收益率,结果表明改进模型解释力更强,拟合精度更高,比一般的GARCH-M预报结果更准确。     

A segmented regime-switching model with its application to stock market indices

This paper evaluates the ability of a Markov regime-switching log-normal (RSLN) model to capture the time-varying features of stock return and volatility. The model displays a better ability to depict a fat tail distribution as compared with using a log-normal model, which means that the RSLN model can describe observed market behavior better. Our major objective is to explore the capability of the model to capture stock market behavior over time. By analyzing the behavior of calibrated regime-switching parameters over different lengths of time intervals, the change-point concept is introduced and an algorithm is proposed for identifying the change-points in the series corresponding to the times when there are changes in parameter estimates. This algorithm for identifying change-points is tested on the Standard and Poor's 500 monthly index data from 1971 to 2008, and the Nikkei 225 monthly index data from 1984 to 2008. It is evident that the change-points we identify match the big events observed in the US stock market and the Japan stock market (e.g., the October 1987 stock market crash), and that the segmentations of stock index series, which are defined as the periods between change-points, match the observed bear–bull market phases.     

非线性GARCH模型在中国股市波动预测中的应用研究

股票价格频繁的波动是股票市场最明显的特征之一。股票价格的时间序列经常表现出一个时期的波动明显地大于另一时期的特征。尽管有大量证据表明,短期的金融资产价格及收益率是不可预测的[1];但目前人们普遍认为,使用特定的时间序列技术可成功地预测金融资产收益率的方差。国外学者的研究结果表明,Ｂｏｌｌｅｒｓｌｅｖ提出的广义自回归条件异方差(ＧＡＲＣＨ)模型[2]和Ｅｎｇｌｅ的自回归条件异方差(ＡＲＣＨ)模型[3],在预测金融资产收益率方差方面是最为成功的。文献[4]较全面地综述了ＧＡＲＣＨ模型的应用。简单地讲,ＧＡＲＣＨ模型的建模…