无模型隐含波动率的信息含量与定价能力——基于上证50ETF期权的实证研究

本文从上证50ETF期权价格中提取无模型隐含波动率并检验其信息含量,基于随机折现因子理论推导波动率风险的系统性与正负性判定公式,从波动率风险溢酬和相关性两方面验证波动率是否为系统性风险,进而基于A股市场的个股数据检验波动率风险在股票截面收益上的定价能力。研究结果表明：无模型隐含波动率包含BS隐含波动率中的所有信息和历史波动率中的大部分信息,是未来已实现波动率的有效估计;市场波动率为系统性风险因子且存在显著为负的风险溢酬;组合分析表明,对市场波动率暴露较大的股票组合在未来的收益较低,且暴露最大与最小股票组合的收益率之差显著为负,该结论在控制经典风险因子和改变交易策略之后依然稳健;Fama-MacBeth两步法结果表明波动率风险被定价且风险价格显著为负。     

纽约原油期货价格波动对我国金属期货收益率的影响研究

随着我国期货市场的迅速发展,商品期货逐步显现出金融属性。文章运用多项式分布滞后模型结合ARCH模型、GARCH-GED模型对纽约原油期货价格波动与我国金属期货沪铜、沪铝、沪锌价格波动之间的动态关系展开研究。以考察宏观经济运行对我国金属期货市场的影响。实证结果显示,滞后一期的原油期货价格波动对沪铜与沪铝期货收益率有显著影响。     

基于Markov转换模型的前沿资产组合分析

文章将Markov转换模型与资产前沿组合理论有效地结合在一起,在应用Markov转换模型预测出股票下一时期收益率及其方差的基础上,根据马可维茨的投资组合理论得出股票市场的前沿资产组合,并以中国证券市场中的几支样本股票为例进行了实证分析.     

基于极值理论与藤式Copula模型的多市场投组合选择

文章选取能源类资产、股票、黄金以及美元等六种资产作为研究对象,借助藤式Copula模型,结合极值理论,通过研究不同类型市场的金融资产间的相依性和组合波动风险,以检验藤式Copula模型对投资组合在险价值预测的效果.     

货币政策冲击对股票市场价格泡沫影响的时变分析

一直以来,资产价格波动与货币政策的关系都是经济金融领域关注的重点问题。本文以1997-2014年我国月度数据为样本,运用新近发展的时变参数的因子扩展向量自回归模型（TVP-FAVAR）分析了我国货币政策冲击对股票市场价格泡沫影响的时变特征。研究结果表明,我国货币政策的变动对股票市场价格的影响有着显著的时变性特点。当股票市场存在较大程度的资产价格泡沫时,股票市场的价格可能会随着利率提高而上升,采用加息的紧缩货币政策未必能够起到相应的调控资产价格波动的作用。这一结果和理性资产价格泡沫理论一致,意味着有必要重新审视传统观念中货币政策与资产价格波动之间是逆周期关系的认知。因此,政策制定者在采用“逆风而动”的货币政策时需要更加审慎,应密切关注货币政策对资产价格影响的时变特征,针对金融市场波动状况相机抉择。     

中国资产价格跳跃行为研究——基于高频数据集的分析

利用日内高频数据,分别通过实现波动率模型和实现二次幂波动模型对资产价格的波动率和连续部分波动率建模,并据此得到资产价格跳跃部分的动态行为模型,分离出发生跳跃的天数、跳跃的大小和方向。结果显示,中国金融市场中的资产跳跃行为密集发生在市场波动性较大的时刻,其大小和间隔期均具有群聚现象,且五种代表性资产价格的跳跃密度均呈左偏分布,说明中国股权市场中向下发生的跳跃多于向上的跳跃。     

基于过度自信的资产均衡价格分析

文章构建了在过度自信投资者接受关于资产收益的私人信号后,与理性投资者交易单个风险资产时的资产均衡定价模型。以此模型为基础,在存在短期出售最大数量约束条件下,还分析了过度自信对股票均衡价格的影响,从而解释了过度自信导致的对理性均衡价格偏离的数量,以为股票市场投资提供理论指导。     

时变三因子模型风险系数的动态研究

由Fama和French提出的三因子模型能够较好地解释股票的收益率风险溢价。文章以状态空间模型为框架,将风险因子系数作为状态变量,市场风险溢价作为观测变量,构建时变三因子模型来应对股票市场价格的时变特征。研究结果显示,利用卡尔曼滤波来估计时变风险因子系数,增强了估计结果的准确性与连贯性;风险因子系数变化规律与中国A股市场政策和环境影响相吻合,消除非理性噪声后的时变三因子模型更具有解释力度。     

我国政府投资与经济周期波动的关联性研究

文章采用VAR模型研究政府投资与经济周期波动的动态关联性,克服了传统静态回归的缺陷.在经济周期波动指数构造上,对经济增长,就业和消费三个领域波动状况进行综合提取因子,在政府投资衡量上,即包含物质资产投资部分,又融于无形资产投资部分,衡量更加严密.研究结果证实政府投资对经济周期波动短期内产生巨大的冲击作用,冲击力随着周期不断缩减,我国经济周期波动更多是源于自身的冲击作用.     

基于高维波动率网络模型的股票市场风险特征研究

波动率是金融风险管理研究的重要内容之一。本文基于复杂网络理论和数据挖掘技术提出股票市场的高维波动率网络模型。首先运用互信息度量不同股票价格波动之间的相关关系,其次对股票市场不同周期下的波动情况建立度的中心势、平均距离、幂律分布等网络拓扑指标,再次根据这些指标利用Prim算法构建出高维波动率网络模型,最后运用Newman-Girvan算法对股票价格波动率的相关性进行分层研究。高维波动率网络模型突破了传统波动率模型关于变量维数的限制,能够在依赖少量假设的基础上,挖掘出多个金融市场主体间的相互关系,反映金融市场的风险特征及网络拓扑性质。实证结果发现：与常用的Pearson相关系数法相比,在互信息框架下,股价波动的非线性相关关系得到了更好的度量;股票市场的整体波动性与个股波动率相关性变化趋势相反,市场处在高波动时期资产组合分散化效果较好;网络中存在少量度数大的关键节点和中心节点,风险通过这些节点可以迅速传递到整个市场;股票市场的运行具有明显的行业聚集现象;网络分层研究进一步直观的展现了风险在层与层之间的传递规律和与之对应的行业特征。高维波动率网络模型为挖掘股票市场的风险特征与管理金融风险提供了一个新的工具。