基于价格极差的金融波动率建模： 理论与实证分析

经典的波动率模型(GARCH等)是收益率为基础的模型,利用的是收盘价信息,忽略了价格波动的日内信息,这将导致信息与效率的损失.为了弥补这一缺陷并获得满意的波动率预测效果,本文引入并扩展了基于价格极差的自回归波动率模型.实证研究表明新模型能够有效刻画波动率的动态变化规律,其预测效果一致性地优于经典的GARCH模型.同时,我们的研究还证实了在波动率模型中加入收益率的滞后项能够提高模型的解释能力,并且存在明显的"杠杆效应".     

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。     

考虑跳跃和隔夜波动的中国股票市场波动率建模与预测

本文用已实现波动率（Realized Volatility, RV）度量上证综指和深证成指在交易时间内的波动率,并将其分解为连续路径变差部分和由跳跃引起的非连续部分。这两部分与隔夜波动率共同构成日波动率。本文对日波动率的三个组成部分建立HAR-CJN模型,探究了波动率不同成分之间的相互影响以及在预测中的作用。结果表明连续变差对日波动率的各组成部分均有显著的正向影响,在预测中的贡献最大;而跳变差的影响一般比连续变差的要弱,且随着滞后期的长短而有所不同。样本外预测结果显示HAR-CJN模型的预测表现要远远优于GARCH族模型,并在向前一天和一月的预测中优于普通的HAR-RV模型。     

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。     

基于互联网股市信息量和神经网络的股价波动率预测

影响股市价格波动的因素有很多,本文从互联网信息量角度进行讨论.在一般情况下,当有较少的股市信息时,股市相对平静,股价变动也常常较小;当有较多的股市信息时,股市相对波动,股价变动常常也较大.互联网股市信息量的较大变化常常是该公司有特殊事件发生的反映,而股价波动必然是一种连带反应.本文首先从互联网获取金融信息,然后对互联网信息量进行了预处理,接着借助神经网络的学习功能,完成了对殷市信息量和股市价格波动的关联学习,最后将神经网络预测的结果以图形的方式显示给投资者,帮助投资者决策.     

我国石油上市公司股价波动率分析——基于随机波动模型

笔者尝试将物理学与会计学结合在一起,采用随机波动模型,研究了我国石油行业上市公司股价的波动率。经过数据的分析,发现随机波动模型能够较好地捕捉到波动聚集的特征。同时,通过使用R软件,能够很好地进行模拟并得到一系列模拟数据,将复杂的经济动态直观地展现在我们面前。     

基于贝叶斯因子模型金融高频波动率预测研究

构建了包含时变系数和动态方差的贝叶斯HAR潜在因子模型(DMA(DMS)-FAHAR),并对我国金融期货(主要是股指期货和国债期货)的高频已实现波动率进行预测.通过构建贝叶斯动态潜在因子模型提取包含波动率变量、跳跃变量和考虑杠杆效应的符号跳跃变量等预测变量的重要信息.同时,在模型中加入了投机活动变量,以考察市场投机活动对中国金融期货市场波动率预测的影响.预测结果表明,时变贝叶斯潜在因子模型在所有参与比较的预测模型当中具有最优的短期、中期和长期预测效果.同时,具有时变参数和时变预测变量的贝叶斯HAR族模型在很大程度上提高了固定参数HAR族模型的预测能力.在股指期货和国债期货的预测模型中加入投机活动变量可以获得更好的预测效果.     

考虑结构变化和长记忆性的国际原油价格波动率预测研究

原油市场普遍存在结构变化现象,可能会引发原油价格波动率的长记忆性,导致模型参数的有偏估计。为此,本文考虑原油价格波动率的结构变化和长记忆性特征,采用考虑结构断点的GARCH族模型和MMGARCH模型对WTI和Brent油价波动率进行预测建模。结果表明,WTI和Brent油价波动率中确实存在明显的结构变化和长记忆性特征,而能够捕捉这两种特征的GARCH族模型往往比忽略它们的模型取得更好的油价波动率预测效果,特别是,同时动态捕捉结构变化和长记忆性特征的MMGARCH模型对油价波动率的预测性能优于其他相关模型。     

波动率偏斜与风险中性偏度能预测尾部风险吗

论文从S＆P 500指数期权数据中提取出波动率偏斜与风险中性偏度指标, 采用Logistic模型研究了波动率偏斜/风险中性偏度是否对未来真实的市场尾部风险具有预测力。结果发现, 波动率偏斜/风险中性偏度仅含有未来市场尾部风险的一定信息, 但并不能准确预测未来市场尾部风险发生的状态。相反, 波动率偏斜/风险中性偏度与投资者情绪指标显著相关。     

基于马尔科夫和混频数据模型的黄金期货市场波动率预测研究

利用马尔科夫机制转换(Markov-switching regime,MS)和混频数据(mixed data sampling,MIDAS)模型,构建新的马尔科夫机制混频模型(MS-MIDAS),并以此模型对中国黄金期货市场波动率建模和预测。运用样本外滚动时间窗(rolling time windows)预测技术和模型信度集(model confidence set,MCS)检验发现：(1)总体上,引入马尔科夫机制转换的混频模型(MS-MIDAS)相比于MIDAS模型本身,从统计上展现出更高的预测精度;(2)含有跳跃的马尔科夫机制混频模型(MS-MIDAS-CJ)的预测精度最高;(3)对不同的预测窗口和不同的滞后阶数(k^max),上述实证结果都是稳健的。     

沪深300股指期货的波动率预测模型研究

以沪深300股指期货仿真交易的5分钟高频数据为例,运用滚动时间窗的样本外预测和具有Bootstrap特性的SPA检验法,全面对比了基于日收益数据的历史波动率(historical volatility)模型和基于高频数据的已实现波动率(realized volatility)模型对波动率的刻画和预测能力.主要实证结果显示,已实现波动率模型以及加入附加解释变量的扩展随机波动模型是预测精度较高的波动模型,而在学术界和实务界常用的GARCH及其扩展模型对沪深300股指期货的波动率预测能力最弱.     

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...     

多国股票市场的高频波动相关性研究

本文通过建立包含马尔科夫机制转换结构的MS-MHAR-DCC模型,并选取世界上比较发达的国家和地区股票市场的高频日内交易数据为样本,对多个股票市场波动相关性进行研究。通过引入包含马尔科夫结构的外部随机矩阵,本文识别出金融市场波动相关的截断时期,正态分布设定下相比在t分布设定下识别的截断时期更多且持续时间更长。在模型的截断时期内,多个股票市场的波动相关结构主要受到正向冲击,即在截断时期内的波动相关性大于平常状态的波动相关性。本文还发现,相同地域的股票市场间的动态波动相关性在大部分时期内表现为较强的正相关;美国股票市场和其余5个国家股票市场波动的动态相关性在大部分时期都表现为较强的正相关,表明美国作为全球巨头在世界金融市场波动的引导作用。     

基于多分形波动率测度的权证定价方法研究

金融复杂性研究表明,无论是成熟资本市场还是新兴资本市场,其价格波动除了具有时变、聚类和杠杆效应等典型特征外,还普遍具有更复杂的多分形特征.以中国股票市场中的4只认购权证为例,通过深入考察并充分提炼股价多分形分析过程中产生的对定量描述价格波动有益的统计信息,提出一种新的金融市场波动率测度,即多分形波动率,并进一步探讨其在权证定价领域中的实际应用.实证结果表明,中国股票市场的股价波动确实具有明显的多分形特征;且在B-S定价模型框架下,多分形波动率测度具有比常用的GARCH波动率测度和EGARCH波动率测度更优异的权证定价精度.     

随机波动HJM框架下可违约债券市场波动结构的实证研究

波动结构对于可违约债券及其衍生品的定价和风险管理具有重要意义.利用AAA级企业债券价格数据,基于中国可违约债券市场构建三因子可违约随机波动HJM模型,并对其进行有限维马尔科夫仿射实现.在此基础上,从波动因子的随机波动特征、相关性结构和贡献度3个方面对中国可违约债券市场的波动结构进行系统分析.研究结果表明,样本期内中国可违约债券隐含的无风险利率和信用利差的波动率中含有显著的随机波动过程,且其数值呈现持续增大的趋势;无风险短期利率、短期信用利差和随机波动过程3个主要波动因子之间存在显著的相关关系;各波动因子的风险贡献度随时间推移而发生明显的波动.在经济向好时期,无风险短期利率的风险贡献较大;在经济趋冷时期,短期信用利差的风险贡献占优.     

中国投资基金波动择时能力的实证研究

投资基金的择时能力是基金绩效评价的核心内容。本文通过引入收益择时因子改进了Busse的波动择时模型,并以此为工具从波动时变性的角度对我国证券投资基金的择时能力进行了实证研究。实证结果表明,不仅中国证券投资基金具有较为显著的波动择时能力,开放式基金的波动择时能力强于封闭式基金;而且改进的波动择时模型优于Busse波动择时模型。     

嵌入GARCH波动率估计的B1ack-Litterman投资组合模型

在B1ack-Litterman投资组合模型中,为了更有效地估计风险资产的期望收益和波动率,引入了投资者的主观观点,这种处理确实能提高均值-方差投资组合模型的性能。但是在实践中,如何度量投资者观点成了另一个难题。为了克服这一困难,我们将GARCH波动率估计嵌入到B1ack-Litterman模型中,通过使用GARCH模型的预测能力来替代投资者主观观点,从而获得一个新的投资决策模型。作为应用,分别考虑了国内外真实市场数据测试情形,通过实证结果发现,嵌入了GARCH波动率估计后,Black-Litterman模型的性能可进一步得到很好提高,样本外平均收益率、波动率和夏普比等指标,均要好于一些传统模型。