经济政策不确定性与我国股市波动率预测研究

股票市场的波动与实体经济走势以及宏观经济政策密切相关.因此,以Baker的经济政策不确定性(economic policy uncertainty,EPU)指数和我国股市代表性的股价指数——上证综指为对象,运用广义自回归条件异方差混频数据抽样(GARCH-MIDAS)模型,分析了经济政策不确定性对上证综指波动率的影响,并运用该模型与常见的多种GARCH族模型进行了样本外波动率预测的对比研究.实证结果表明,EPU指数能够很好地解释我国股市波动的长期成分,并显著改善对上证综指波动率的预测精度;同时,模型信度集合(model confidence set,MCS)检验结果进一步证实,基于混频数据的GARCH-MIDAS模型能显著打败常见的多种GARCH族模型.     

经济政策不确定性对股市、债市和基金市场动态相关性的影响——基于DCC-MIDAS实证

文章采用GARCH-MIDAS（以下简称G-M）、DCC-MIDAS（以下简称D-M）模型,探讨股票、债券和基金市场的动态相关性及经济政策不确定性（Economic Policy Uncertainty Index,EPU）对相关性的影响。结果表明,股市与基市具有高度长短期正相关性;债市与股市、基市相关性较小,且呈现大幅波动和频繁正负转换趋势,短期相关大于长期相关。EPU指数对股债基两两长期相关有显著正向影响。     

经济不确定性是股市波动的因子吗？——基于GARCH-MIDAS模型的分析

本文运用混频模型（GARCH-MIDAS）分析了经济不确定性对中国股市波动率的影响。经济不确定性包括宏观经济不确定性和经济政策不确定性两方面。总体来说,经济不确定性会影响中国股市的波动,但强度有限,且A股、B股间表现出差异。经济运行（IP）和消费（inf）中的不确定性是A股、B股共同的波动因子,且IP的贡献度最高;货币政策（IR）、中国经济政策不确定性（CEPU）对A股无显著影响,但会显著影响B股的长期波动趋势;美国经济政策不确定性（AEPU）的影响则不显著。加入显著性指标有助于提高波动率的预测精度,混频模型为分析股市波动中的长期趋势和短期波动提供了一个新视角,有助于识别股市波动中的经济影响因素。     

地缘政治风险与中国原油市场波动预测研究

近年来频发的地缘政治事件常被认为是原油市场剧烈波动的重要原因。因此,引入Caldara和Iacoviello提出的地缘政治风险(geopolitical risk, GPR)指数,将混频的GARCH-MIDAS模型扩展为GARCH-MIDAS-GPR类模型,分析不同国家、类别和严重程度的地缘政治风险对我国原油市场波动及其预测精度的影响,并从不同长度的波动率预测、中国原油期货推出前后的波动率预测、替代基础模型的使用、波动率预测方向、原油风险预测和投资组合管理六个维度探讨结论的稳健性。更进一步,引入3类宏观经济不确定性和6类经济政策不确定性指标,对比分析多种不确定性信息对中国原油市场波动的预测能力。研究发现,首先,各国、总体以及严重的GPR指数对我国原油市场长期波动均存在显著的正向影响。其次,地缘政治风险指标的纳入在不同程度上提高了我国原油市场波动预测精度,其中3类反映世界整体地缘政治风险水平的GPR指数表现相对较好。最后,相比于常见的宏观经济和经济政策不确定性因素,地缘政治风险指标可以为原油波动率预测提供更多有用信息。本文的研究结论在预测统计精度与波动率的应用层面均具备稳健性。     

中国经济政策不确定性的跨国动态溢出效应

中国作为世界第二、亚洲最大的经济体，在国际事务中发挥的作用日益突出，其经济政策波动对其他国家的影响也日益显著。本文基于1997年1月至2017年5月经济政策不确定性（Economic Policy Uncertainty，EPU）指数，运用DCC-GARCH模型分析了中国与美国、日本和英国的经济政策不确定性的动态溢出效应。研究表明，样本国家的EPU指数波动率呈现尖峰、厚尾、非对称的特征，因而更适用非对称多元t分布DCC-GARCH模型；中国经济政策不确定性对美国、日本和英国均有一定程度的正向溢出效应，但影响程度不一。进一步分析表明，中美间EPU指数的动态相关性高于中英和中日，中美和中英间的EPU指数动态相关系数走势较为相似，且趋向稳定；受地缘政治关系的影响，中日间的EPU指数动态相关系数走势明显异于中美和中英。     

双长记忆GARCH族模型的预测能力比较研究——基于沪深股市数据的实证分析

GARCH族模型在金融风险的度量中有着广泛的应用。在考虑股市收益率和波动率序列双长记忆性的基础上,基于上证综合指数和深圳成份指数的日收盘价序列,从证券投资风险量化的角度,引入受险值VaR和相对正确符号指标PCS作为模型预测误差衡量指标,比较分析了双长记忆GARCH族模型在不同分布假设情况下的的拟合与预测精度。结果显示:偏t分布能较好描述沪深股市的厚尾特征;在较小的VaR水平下ARFIMA(2,d₁,0)-FIAPARCH(1,d₂,1)-skt模型对股市波动风险具有较强的预测能力,而ARFIMA(2,d₁,0)-HYGARCH(1,d₂,1)-skt对股市的涨跌趋势具有较强的预测能力。     

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。     

全球金融危机下的股票市场波动跳跃研究——基于高频数据的中美比较分析

本文以雷曼破产日至2009年1月底这段时期内上证综指、恒生指数以及S&P500指数的日内高频数据作为研究对象,采用跳跃显著性检验方法和扩展HAR模型,对波动跳跃特征进行了实证研究.结果表明:雷曼危机导致股市波动的显著提高,但中国内地股市受到的影响最小;中国香港股市成为波动跳跃发生频率最高、跳跃幅度最大的市场,且波动跳跃主要发生在夜间休市时间内;雷曼危机使得波动率模型的预测精度大大降低,股市风险变得更加难以预测,对于新兴市场来说这一现象更加明显.     

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.     

中国沪深股市结构性波动的政策性影响因素

本文利用划分均值和方差变点的迭代累积平方和算法(ICSS:MV)对上证综指和深证成指1996年12月16日至2010年12月31日的日收益率序列进行结构变点的检验,通过将结构变点与重大事件对应选取影响沪深股市结构性波动的政策性事件,并根据选取的事件将样本区间分成13个子区间。为了避免参数模型中模型误设的缺陷,利用非参数GARCH模型估计样本区间的波动率;最后利用N-W核回归估计对非参数GARCH估计的波动率与收益率进行回归,分析股市结构性波动产生的政策性影响因素。通过分析发现央行调整存贷款基准利率和存款准备金率、国有股的减持、允许保险公司等机构投资者买卖证券投资基金、调整印花税等政策性因素是造成我国股市变结构波动的重要原因。     

GARCH类模型波动率预测评价

GARCH类模型已经广泛运用于波动率的预测,但对模型的预测表现进行评价却受到了忽视,其主要原因是缺乏合适的衡量标准。本文首先运用GARCH类模型对上证指数收益率进行了全面的估计及样本外预测,然后以已实现波动率作为波动率预测的评价标准,通过M-Z回归和损失函数来评价GARCH类模型的波动率预测表现。结果表明,无论是样本内还是样本外,GARCH类模型都能够较好的预测上证指数的收益波动率。其中,偏斜t-分布假设下的GJR(1,1)模型的预测能力最强。     

中国股市与周边股市波动风险传导效应研究

由于金融资产收益的条件波动率不仅是金融市场风险度量的重要指标,而且呈现出明显的杠杆效应。因此,本文运用能够刻画波动率杠杆效应的LGARCH(Leverage GARCH)模型对金融市场条件波动率进行建模分析,进而运用Granger-Causality检验分析了中国股市与周边股市波动风险的传导效应。实证结果表明,在整个样本区间,上海股市与周边重要股市的联系比较微弱,仅与香港股市存在一定的风险传导关系,而与东京、新加坡股市却不存在传导关系。然而,在我国股市对境外合格机构投资者(Qualified Foreign Institutional Investors,QFII)开放后,中国股市与周边股市的波动风险传导关系明显异于对QFII开放之前和整个样本期的风险传导关系,上海股市与香港、东京、新加坡股市间的波动风险传导关系均显著增强。     

基于GARCH模型的中小板指数波动性的实证分析

股票市场的波动一直是经济研究人员和投资者关注的焦点。在计量经济学领域,ARCH模型和GARCH模型经常用在金融时间序列分析中,特别是GARCH(1,1)模型在金融分析中得到广泛的应用。本文以中小板指数为研究对象,分别运用ARCH模型、GARCH模型进行初步研究,分析我国股价波动的动态特征。     

上证综指收益波动的不对称性研究

本文应用GARCH类模型对上证综合指数收益波动的不对称性进行了实证研究,发现了新的证据说明中国股市波动的不对称性是存在的,杠杆效应或波动反馈效应是显著的.对二种效应在中国股市的作用进行了理论分析.波动反馈效应似乎是中国股市波动不对称的主要决定因素.     

经济政策不确定性、宏观经济与资产价格波动——基于TVAR模型及溢出指数的实证分析

本文利用Baker等人构建的经济政策不确定性指数和我国1997年01月-2017年09月的宏观经济数据,通过非线性TVAR模型及其方差分解构建的溢出指数,实证考察了我国经济政策不确定性对宏观经济与资产价格的非对称影响,并测度了在不同经济政策不确定性环境下,经济变量间的相互溢出效应。研究发现:(1)经济政策不确定性的影响是非对称的,在经济政策不确定性较高时,其正向冲击将使得产出降低0.21%左右,房价和股市收益率分别上涨0.67%、0.51%左右;而在经济政策不确定性程度较低时,其正向冲击的影响微弱。(2)溢出指数表明,经济政策不确定性对产出、房价和股市存在净溢出,且在经济政策不确定性较高时期,总体溢出指数超过50%,变量间的联动性较强。研究结果表明,相关部门在制定及调整经济政策时应充分考虑其可能引发的不确定性,并通过阐明经济政策意图等方式,将负面影响降到最低。     

金融市场的多分形波动率测度、模型及其SPA检验

提出一种新的金融市场波动率的测度方法--多分形波动率(multifractal Volatilty)测度,并以上证综指在长达8年左右时间内的高频数据样本为例,构造了多分形波动率的ARFIMA动力学模型.同时,运用最近提出的SPA(superior predictive ability)检验法,实证对比了多分形波动率模型与现有的如实现波动率(realized volatility)模型、GARCH模型以及随机波动(stoclaastic volatility,SV)模型对市场波动预测能力的优劣.实证结果显示,在某些损失函数标准下,文中提出的多分形波动率测度及其动力学模型具有比现有其它模型更优的波动率刻画能力和预测精度.     

上海股市波动性预测模型的实证比较

本文采用上证综合指数每日收盘价数据,应用常用的波动性预测模型预测上海股市的周波动性并比较其样本外预测效果.结果表明,尽管当采用不同的预测误差统计量作预测模型的预测精度的评价准则时,也会导致评价结果的排序不同,但从总体上来说,指数平滑模型对上海股市周波动性的预测效果还是优于其他模型;而相对比较复杂GARCH(1,1)模型对上海股市周波动性的预测效果并不佳.     

中国股票市场的最优波动率预测模型研究——基于沪深300指数高频数据的实证分析

以沪深300指数的高频数据为例,采用滚动时间窗的样本外预测以及SPA检验法,对比了基于日收益数据的历史波动率模型和基于高频数据的实现波动率模型的预测能力.主要实证结果显示,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最高的波动模型,但在学术界和实务界流行的GARCH及其扩展模型对我国A股市场波动的预测能力较差.     

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。     

非正态ARCH族模型的预测绩效和VaR度量研究

本文以上海证券综合指数为样本,在残差项服从正态和非正态假设下,分别进行ARCH建模,比较正态残差项和非正态残差项ARCH族模型对波动率的预测绩效和VaR度量效果,以揭示分布假设对GARCH模型预测能力和风险度量的影响.