非对称结构下金融市场动态风险测度研究

针对金融市场呈现出的非对称结构,以新兴市场的中国大陆沪市上证综指(SSEC)和成熟市场的标准普尔指数(S&P500)作为代表性的研究对象,运用有偏学生分布(SKST)来刻画金融收益的有偏非对称分布形态;运用APARCH等模型来刻画金融收益条件波动率的非对称波动性,并以此来开展风险测度研究;最后运用返回测试中LRT和DQR来检验风险测度的准确性。实证结果表明:没有哪种金融收益的条件非对称波动模型具有绝对优越的风险测度能力;在标准收益服从的分布上,新兴市场SSEC与成熟市场S&P500市场却又表现出明显的不同,Normal分布并不适合SSEC,但能适合S&P500;ST能够适应SSEC,却不能适应S&P500,而SKST能够适应两种市场;对于S&P500,在99%这样高的置信水平下是Normal优越,而在95%的置信水平下却是SKST优秀,对于SSEC,SKST分布的准确性在两个水平下都是最高。     

基于双曲线记忆HYGARCH模型的动态风险VaR测度能力研究

本文针对金融市场的典型事实特征,运用自回归分数移动平均(Fractional Integrated Autoregressive Moving Average,ARFIMA)模型与双曲线记忆广义自回归条件异方差模型(Hyperbolic Memory Generalized Autoregressive Conditional Heteroscedasticity,HYGARCH)模型、分数协整非对称自回归条件异方差(Fractional Integrated Asymmetric Power Autoregressive Conditional Heteroscedasticity,FIAPARCH)模型和分数协整指数广义自回归条件异方差(Fractional Integrated Exponential Generalized Autoregressive Conditional Heteroscedasticity,FIEGARCH)模型结合,并运用有偏学生t分布(Skew Student t Distribution,SKST)来捕获金融收益分布形态,以此开展动态风险测度研究,进而运用返回测试(Back-Testing)中的似然比率测试(Likelihood Ratio Test,LRT)和动态分位数回归(Dynamic Quantile Regression,DQR)方法对风险模型的准确性与精度进行联合检验。通过实证研究,得到了一些非常有价值的实证结论:ARFIMA(1,d,1)-FIAPARCH(1,d,1)-SKST模型与ARFIMA(1,d,1)-HYGARCH(1,d,1)-SKST模型均表现出卓越的风险测度能力,但没有绝对优劣之分;ARFIMA(1,d,1)-FIEGARCH(1,d,1)-SKST模型在成熟市场的表现能力差强人意;本文引入的所有风险模型在中国大陆沪、深股市表现优越且没有实质性差异。     

基于Skew-t-FIAPARCH的金融市场动态风险VaR测度研究

本文引入FIAPARCH模型刻画金融价格条件波动率特征,引入有偏学生t分布捕获收益率有偏特征,并以此来测度金融市场动态风险VaR;进而运用返回测试和动态分位数回归方法对风险测度模型准确性进行实证检验.结果表明,RiskMetrics和GARCH-N测度金融市场的风险的可靠性差;有偏学生t分布比正态分布、学生t分布更能准确反应金融收益分布实际特征,具有更高的风险测度能力;FIAPARCH-SKST展示出比其它模型具有绝对优越的风险测度效果.     

胖尾分布及长记忆下的动态 EVT-VaR 测度研究

针对金融收益胖尾分布特征及条件波动率长记忆性特征,运用 FIGARCH 对条件波动率建模、极值理论( extreme value theory,EVT) 对标准收益序列的尾部建模,测度出金融市场动态极值风险,进而运用返回测试( back-testing) 技术,对模型在样本内的测度准确性与样本外的推广能力进行稳健性检验． 实证研究结果表明,无论是中国新兴市场,还是西方成熟发达市场,金融收益与标准收益均呈现出明显的有偏胖尾分布特征; 金融收益条件波动率均展现出长记忆性特征; EVT 与 FIGARCH 模型相结合的动态极值风险测度模型不仅在样本内表现出优越的风险测度能力,而且在样本外同样具有可靠的预测推广能力．     

胖尾分布及长记忆下的动态EVT-VaR测度研究

针对金融收益胖尾分布特征及条件波动率长记忆性特征,运用FIGARCH对条件波动率建模、极值理论(extreme value theory,EVT)对标准收益序列的尾部建模,测度出金融市场动态极值风险,进而运用返回测试(back-testing)技术,对模型在样本内的测度准确性与样本外的推广能力进行稳健性检验.实证研究结...     

金融市场非对称尾部相关结构的研究

针对金融市场间存在的非线性和非对称尾部相关特性,提出了一类具有尾部变结构特性的Copula函数.结合GARCH模型,构建了具有尾部变结构特性的RS-Copula-GARCH模型,并将其用于中国股票市场非对称尾部相关结构的研究.结果表明,RS-Copula-GARCH模型对市场间相关结构,特别是对尾部相关结构的刻画能力要强于相应的静态Copula模型.     

股票市场的极值风险测度及后验分析研究

通过对上证综指和世界股市若干重要指数的实证研究发现,无论是在成熟资本市场还是新兴资本市场当中,极值理论(EVT)及其工具都能更加准确地刻画实际市场的极端波动和风险状况.详细说明了不同收益分布假定下风险价值(VaR)的计算方法及其后验分析(Back-testing)过程,证明了与非条件和条件正态分布以及条件t分布等主流金融理论的收益分布假定相比,条件EVT分布在测度极端市场风险时所表现出的优越性,同时说明了在不同概率水平下各种收益分布假定的精确度和适用范围.     

基于非参数与L-Moment估计的股市动态极值ES风险测度研究

通过运用带宽非参数方法、AR-GARCH模型对时间序列的条件均值、条件波动性进行建模估计出标准残差序列,再运用L-Moment与MLE(maximum Likelihood estimation)估计标准残差的尾部的GPD参数,进而运用实验方法测度出风险VaR(value at Risk)及ES(ExpectedShortfall),最后运用Back-Testing方法检验测度准确性。结果表明,基于带宽的非参数估计模型比GARCH簇模型在测度ES上具有更高的可靠性;基于非参数模型与L-Moment的风险测度模型能够有效测度沪深股市的动态VaR与ES。     

上海伦敦铜期货市场风险的测度与传导效应研究

本文针对金融时间序列存在的部分典型事实,运用AR（1）-GJR（1,1）构造出铜期货条件损失的标准残差序列;针对标准残差序列近似满足i.i.d特征,运用EVT对其极值尾部建模,并测度出两个铜期货市场的动态风险;然后运用Back-Testing方法对风险测度模型进行准确性检验,最后运用Granger-Causality检验来分析铜期货市场动态风险的传导效应。实证研究结果表明,基于EVT的风险测度方法能有效测度上海伦敦铜期货市场动态风险;上海伦敦铜期货市场动态风险在1%的显著性水平下存在双向传导效应,但由伦敦向上海传递的强度大于反向强度。     

基于经典PIN模型的股票信息风险测度研究

准确测度股票信息风险对资产定价、风险管理以及市场绩效的衡量有着重要意义.针对直接测度信息风险的经典PIN模型,首先推导出经典PIN模型隐含的买卖指令的均值、方差以及买卖指令之间的相关性,发现经典PIN模型隐含的买卖指令之间的相关性总是为负;然后基于中国股票的逐笔交易数据进行实证研究,发现经典PIN模型隐含的买卖指令之间的负相关性与实际数据中买卖指令之间的正相关性并不相符;此外,经典PIN模型隐含的买卖指令的方差与实际数据中买卖指令相对较大的方差也不能很好地匹配.研究结果表明经典PIN模型并不能准确测度股票信息风险.     

考虑信息不对称的电子市场动态契约设计

近年来,伴随着互联网技术的快速发展以及电子商务在广大消费者中的日益普及,以淘宝网、eBay等为代表的电子市场的销售规模和交易金额都实现了跳跃式的增长。但是,在买卖双方交易数量快速增加的同时,提供交易平台的电子市场所有者始终缺乏有效的收费模式来实现自身的利润最大化,这一窘境已经得到产业界和学术界越来越多的关注。当前,各类电子市场大多采用的收费模式是以每个卖家前一期的销售历史来预测该卖家下一期的销售数量,并以此作为基准来动态更新电子市场对于该卖家下一期的收费标准。这种收费方法暗含的假设是相邻周期间产品销量为强正相关,但忽略了产品销量因季节性、流行性、替代产品威胁等各类因素影响而导致的更加复杂的中长期变化趋势。针对这一问题,本文为电子市场所有者提供了一类新的个性化动态契约机制。这种契约机制假设相邻周期的产品销量服从联合正态分布,在每个周期开始前,卖家能够充分考虑到各类因素的影响,从而对于下一期销量做出比电子市场所有者更准确的条件预期。但是,卖家对于相邻周期销量间的相关系数的观测属于私有信息,为了诱导卖家披露这一私有信息,电子市场所有者在每周期开始前需要根据该卖家上一周期的实际销售数量向卖家提供一系列契约（a menu of contracts）供卖家选择。本文构建了这种个性化动态契约的参数优化问题。求解结果揭示了一个简单的决策准则,即最优的契约参数可以表示为关于上述相关系数的failure rate的函数。通过一组数值试验,本文将这种契约与其他三类契约进行了对比,验证了这种契约能够充分地利用卖家的私有信息来提升电子市场所有者的利润。本文所述的契约机制在互联网环境下具有较强的可操作性,因此可以为电子市场所有者提供直接的管理参考和决策依据。     

金融市场条件高阶矩风险与动态组合投资

针对传统组合投资理论没有考虑高阶矩风险和静态处理问题两大缺陷,提出多元GARCHSK模型用于衡量时变的高阶矩风险,基于效用函数的Taylor展开推导出带有高阶矩风险的动态组合投资策略,并利用遗传算法进行求解。实证研究表明,中国股市不仅存在高阶矩风险,而且风险具有时变特征;为防范高阶矩风险,投资者需要动态地修正他的资产配置权重。     

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。     

基于环境信息和金融市场不对称博弈模型分析

由于金融市场存在信息不对称使得投资决策者缺乏必要的环境信息,从而导致了投资决策信息不完全、金融资金分配不合理等问题。本文在Nikolaou,Chymis和Evangelinos^[5]提出的环境信息、金融市场不对称博弈模型的基础上,引入政府局中人行为策略,构建了政府、企业与金融市场之间的博弈模型。通过设置相关参数发现,该博弈模型能够覆盖Nikolaou,Chymis和Evangelinos^[5]提出的模型,并证明了在政府局中人参与并满足一定条件的情况下,由环境信息缺失引起的信息不对称问题可以通过引入第三方国际环境审计来解决,从而为我国环境污染问题的化解机制提供新的研究角度。     

典型事实、混合Copula函数与金融市场相依结构研究

运用ARFIMA-FIAPARCH-skst模型对沪深300指数和香港恒生指数建立收益-波动模型, 然后结合估计的参数对模型进行修正以确立最终模型, 排除金融市场典型事实对相依关系的影响, 进而运用由Clayton、Frank和Gumbel组成的混合copula模型对相依结构进行建模。研究结果表明:内地市场和香港市场均未观察到显著的杠杆效应;由Clayton、Frank和Gumbel组成的混合Copula模型能够准确地描述两个市场之间的相依结构, 且两个市场下尾相依关系要强于上尾的相依关系, 通过动态混合copula也验证了这一明显的非对称关系。     

中国股市收益率长记忆性R／S非线性分析

针对中国股市收益率序列中的长记忆性问题,采用R/S非线性估计方法和ARFIMA模型进行了实证研究.结果表明:中国股市收益率普遍存在长记忆性,只有个别股票不存在长记忆性,而且深市比沪市具有更强的长记忆性.     

股市波动长记忆性聚合效应的半参数检验

本文基于半参数估计方法,从两个方面研究了股市波动长记忆性的聚合问题:一方面,首先将股指收益序列转换为波动序列,再考虑波动序列聚合后的长记忆性;另一方面,首先对股指收益序列进行聚合,再考虑聚合序列波动的长记忆性。前者考察的是波动序列中长记忆参数的聚合性,后者考察的是数据频率对波动长记忆参数的影响。从我国股市实际出发,并综合两个方面考虑,实证了股市波动长记忆性聚合不变效应的存在,同时也说明了半参数方法的良好效果。     

国际股票市场收益的长记忆性比较研究

股票市场收益的长记忆性研究对于有效市场假说的检验有着特别重要的意义。常用的长记忆性研究方法有经典R/S分析、修正R/S分析和对数周期图法等,Giraitis于2003年提出了一种新的更为稳健的V/S分析方法。本文运用修正R/S分析和V/S分析两种方法对世界上31个国家或地区的股票指数进行长记忆性比较研究。结果表明,以美国为代表的大多数发达国家股市一般不存在长记忆性,而如中国等发展中国家大多存在显著的长记忆性,尤其中国股市的长记忆性最强。但是也有例外,如德国等一些欧洲国家股市也有长记忆性,巴西等南美洲国家无长记忆性。同时,V/S分析比修正R/S分析更稳健有效。