沪深300股指期货与现货市场的波动关系研究

文章以2011年5月31日至2012年6月12日的当月连续的沪深300股指期货价格与现货价格为数据分析基础,对沪深300股指期货市场与现货市场之间的价格波动关系进行了相关数据的实证研究。研究发现,我国沪深300股指期货与沪深300股指现货指数之间的价格存在长期的均衡关系,并且沪深300股指期货是沪深300股指指数变化的格兰杰原因,但是沪深300股指指数不是沪深300股指期货变化的格兰杰原因。     

基于神经网络模型的沪深300指数预测

文章对选取沪深300指数收盘价序列进行了正态性检验和Hurst指数的计算,得出价格序列的非正态和长记忆性特征.随后选择了适当的结构建立Elman神经网络模型,结合技术分析中的K线图理论,对沪深300指数隔夜开盘价进行了预测.经过求解和趋势检验,以及与相同输入输出结构线性模型的比较,发现该模型取得了良好的预测效果.     

基于已实现和极差波动率标准的沪深300指数波动率模型研究

对波动率预测模型的研究备受学术界的关注,文章以沪深300指数的5分钟高频真实交易数据为研究对象,利用8个损失函数和Diebold Marinao检验较为全面的探讨评价了GARCH族模型对其预测能力。结果发现长记忆性模型的预测效果普遍好于短记忆性GARCH模型,且FIEGARCH是长记忆性模型中预测效果较好的,这对学术界和实务界进行风险测度及对我国资本市场的风险控制都具有现实意义。     

含有超越时间与相关收益率强度的极值风险度量

为研究不同市场状态下沪深300指数高频收益率的GARCH族期望波动率与极值风险之间的关系,采用非齐次的含有超越时间与相关收益率强度的二元极值方法分析系统性金融风险的VaR度量,结果表明:期望波动率的引入修正了齐次模型中GPD模型普遍退化的问题;预期波动率对尾部形状参数的正向影响在市场上升阶段比市场下降阶段更为明显,前一期期望波动率越高,则下一期单位期望波动率的变化对VaR的解释作用越小。     

基于Twin-SVM的多分形金融市场风险的智能预警研究

本文以沪深300指数（CSI300）长达11年时间的5分钟高频交易数据为研究样本,首先提出一种基于多分形特征的金融市场正常与关注状态的界定方法,并引入新型的支持向量机（SVM）人工智能模型,即孪生SVM（Twin-SVM）模型对多分形特征下的金融市场风险展开预警研究。实证结果表明：（1）中国新兴金融市场的价格波动具有显著的多分形特征;（2）基于多分形特征参数界定的正常与关注状态不仅准确,而且也具有明显的统计检验意义和明确的现实意义;（3）与传统SVM和BP神经网络（NN）相比,Twin-SVM在预测精度上不仅显著更高,而且在预测稳定性上也明显更优,即Twin-SVM能够有效地解决其它预警模型存在的非对称样本问题。     

基于GARCH-VaR的股指期货保证金模型

文章以收益率的正态性检验、集群性检验和平稳性检验为基础,用GARCH方法计算VaR,将VaR作为保证金比率,建立了基于GARCH-VaR的股指期货保证金模型,对沪深300指数进行了实证研究.研究表明沪深300指数的收益率不服从正态分布,其收益分布具有明显的厚尾特征和丛集效应;通过与EWMA和风险价格系数法进行对比,发现GARCH-VaR模型能更好地捕捉收益分布特征,得到的保证金水平能更好地覆盖风险.     

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。     

沪深300指数统计特征研究

文章以2005年4月8日至2007年10月30日沪深300指数日收盘价格序列为样本,以复合收益率为研究对象,通过对股市收益率非正态性检验,分析了沪深300指数的一些典型统计特征,验证了沪深300指数收益率"尖峰厚尾"的特性。因此有必要寻找一种更合适的模型,以便更准确地反映沪深300指数收益的真实分布。最后对其进行了GARCH效应的检验,结果表明沪深300指数收益率的波动存在着显著的GARCH效应。     

基于BP神经网络的股指收益率预测研究——以高频数据为样本

高频金融数据和金融资产收益率是金融计量学的一个全新的研究领域。目前，国内学者利用年、月、日等低频数据对股票市场的收益率进行了很多的研究，但是以日内高频数据为基础的研究还不多见。如何较准确地预测基于高频数据的股票收益率是进一步深入研究金融市场的基础，论文采用数据挖掘中的BP神经网络对沪深300指数高频数据中的日内收益率进行建模与预测。结果表明：神经网络模型对股票高频数据的日内收益率具有很强的预测能力。     

基于GARCH模型的沪深地产股波动性分析及预测

近年来GARCH类模型在预测波动率方面得到了广泛应用,鉴于股票和房地产两个市场对我国经济发展的重要性,所以选择沪深两市地产指数的收益率做波动性研究.丈章运用GARCH类模型对沪深地产指数收益率的波动进行了枯计和预测,结果表明沪深地产指数收益率的波动不存在杠杆效应,投资者投机目的较强,M-Z回归和损失函数评价结果显示,GARCH(1,1)-M模型的样本外预测刚效果是最好的,但不能准确预测非常大的波动.     

基于多元GARCH的金融资产预测研究

文章对MGAKCH(Multivariate GARcH)模型进行预测研究.利用沪深300的10个行业指数,对常用多种模型进行比较,发现结构简洁的M.GAKCH模型具有较强预测能力,应用价值高.     

股票技术指标相似性与有效性研究

利用R型聚类分析和C5.0决策树模型对沪深300指数的11项技术指标进行分析,考察其预测特性和研判模式,发现不同的指标具有相似性,并且技术指标确实对预测股票交易涨跌有一定的指导作用.对技术分析指标特性的研究,有利于投资者更好地使用技术分析,简化分析步骤并增加获利.     

经济复苏背景下的道琼斯指数与中国股市关系的实证检验

作为美国资本市场重要指标之一的道琼斯指数对沪深300指数是否会产生相应的影响以及有多大影响等一系列问题都是当今投资者所关注的课题。文章通过收集2009年1月至2010年12月的每日收盘价，对道琼斯指数与沪深300指数作联动性研究，采用协整检验、格兰杰因果关系检验等方法对道琼斯指数和沪深300指数的关系进行了实证分析。结果表明：在短时间内，道琼斯指数与沪深300指数互成因果关系，互相影响；而在长时间内，道琼斯指数的波动影响着中国股市的变动，而中国股市对道琼斯指数影响较小。     

沪深300指数极值VaR的分析与计算

文章将GARCH模型和EVT理论相结合,对沪深300指数的风险价值进行分析与计算,并将其与传统基于正态分布假设计算的VaR、GARCH模型计算的VaR以及基于EVT理论计算的VaR进行比较,发现采用GARCH模型和EVT理论相结合而得到的极值VaR能更好地反应沪深300指数的风险。     

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.     

股市危机中股指期货应该限制交易吗——基于2015年股市危机的实证分析

利用上证50、沪深300和中证500股指期货合约及其相应指数的高频数据,克服了传统BEKK和DCC模型的不足,通过建立VECM-DCC-VARMA-AGARCH模型考察股市危机期间中国股指期货市场与股票市场之间的信息传导关系与风险传染效应。研究结果表明,股市危机期间股指期货具有很强的价格引导和风险传染效应,股指期货的持续波动加剧了股票市场的进一步波动。因此,提出风险传染效应与市值规模相关、非对称效应和非预期冲击效应与市值规模负相关、波动的风险传染效应与市值规模正相关。危机时期,应抑制股指期货市场上的过度投机,对股指期货采取限制开仓、提高交易保证金和交易手续费都是正确和切实可行的措施。建议监管当局健全股指期货和股票市场交易制度。     

基于混频已实现GARCH模型的波动预测与VaR度量

本文将Hansen等（2012）的Realized GARCH模型扩展为包含日内收益率、日收益率以及已实现波动率的混频已实现GARCH模型（M-Realized GARCH模型）。该模型将日内交易分为前后两段,引入了混频均值方程,并对混频均值方程的残差分别建立条件波动率方程和已实现日波动率方程。本文采用2013-2016年沪深300指数混频数据,分别在扰动项服从正态分布、t分布和广义误差分布的假设下,采用损失函数、SPA检验、kupiec检验和动态分位数检验法,对GARCH、Realized GARCH和M-Realized GARCH模型的波动率预测和VaR度量效果对比研究,得出M-Realized GARCH模型能提高预测精度,且VaR实际失败率与理论失败率一致,失败发生之间不相关。最后,本文利用Block bootstrap方法抽样得到混频数据,模拟证明了M-Realized GARCH模型比Realized GARCH模型具有更高的预测精度。     

深沪股指收益率波动研究

文章选取沪、深两市1991年1月1日至2005年2月18日的股票指数作为样本,运用EGARCH(1,1)模型,研究指数日收益率波动的性质特征,并探讨了不同阶段股市对利好消息和利空消息的反映。结果表明:不同阶段的指数收益率序列具有结构特征,各阶段沪、深两市指数收益率均与滞后一阶高度相关,且两市指数收益率均具有信息不对称效果。     

基于“反事实”波动率的中国股指期货效应

以沪深300股指期货和沪深300股票价格指数为研究对象,采用基于"反事实"思想的政策效应评估方法,研究股指期货对股票价格指数波动性的影响。研究结果显示,股指期货的处置效应显著为负,沪深300指数的真实波动率远低于构造的"反事实"波动率,沪深300股指期货的推出能降低股票市场的波动性;通过安慰剂检验验证了实证结果的稳健性,表明沪深300股指期货发挥了市场"稳定器"作用。     

运用最小二乘支持向量回归机和CARRX模型对股市波动率的预测

条件自回归极差模型(CARRX)是一类新的描述波动率的模型。为了提高CARRX类模型的预测精度,文章将最小二乘支持向量回归机(LSSVR)应用于CARRX模型。先将CARRX模型转化成ARMAX形式,再利用LSSVR对ARMAX模型的参数进行估计(LSSVR-ARMAX)。通过对沪深300指数的预测实证分析,发现无论是采用直接预测还是迭代预测,LSSVR-ARMAX模型的样本外预测能力均优于Perez-Cruz(2003)提出的方法;LSSVR的估计方法能够在长期预测中捕捉到极差波动率的变动趋势,而CARRX类模型对中短期极差波动率的预测准确度较高。