混合正态双因子已实现SV模型及其实证研究

  传统的波动率模型(如GARCH模型和SV模型)采用日度收益率数据对波动率建模,忽略了日内高频数据包含的丰富信息。同时,资产收益率的波动率往往展现长记忆性,资产收益率的分布展现非正态性(尖峰、厚尾),传统的波动率模型不能很好地刻画现实资产收益率的这些特征。         将包含丰富日内高频信息的已实现波动率引入传统低频SV模型中,同时考虑已实现波动率偏差修正、波动率长记忆性和资产收益率的非正态性(尖峰、厚尾),构建混合正态双因子已实现SV(2FRSV-MN)模型。 为了估计2FRSV-MN模型的参数,给出灵活且易于实现的基于连续粒子滤波的极大似然估计方法。 蒙特卡罗模拟实验表明,给出的估计方法是有效的。 采用上证综合指数和深证成分指数5分钟高频交易数据,对提出的2FRSV-MN模型进行实证检验。         研究结果表明,已实现波动率是真实日度波动率的有偏估计(下偏),沪深股市非交易时间效应强于微观结构噪声效应;沪深股市具有强的波动率持续性和显著的杠杆效应,且杠杆效应只存在于短记忆波动率因子过程中,长记忆波动率因子过程中存在反向杠杆效应;根据赤池信息准则,2FRSV-MN模型比其他模型具有更好的数据拟合效果。 对风险值的估计结果表明,2FRSV-MN模型能较好地测量金融市场风险,但并非一定是具有最好的风险测量效果的模型,这取决于选取的概率和数据。         研究结果不仅为投资者和监管机构提供了信息和决策参考,也丰富了基于高频数据的波动率建模和市场风险测量的研究。     

基于期权与高频数据信息的VaR度量研究

传统的市场风险度量模型没有充分利用期权与高频数据包含的信息,且主要基于单因子波动率模型,导致信息的损失以及模型缺乏足够的灵活性.本文基于灵活的双因子随机波动率模型,通过提取期权与高频数据包含的市场前瞻与当前信息,构建相应的市场风险度量波动率模型对在险值（VaR）进行度量.为了估计模型参数,建立基于连续粒子滤波的极大似然估计方法.采用iVX指数与已实现波动率测度（RV）作为上证50ETF期权与高频数据信息的代理,对构建的市场风险度量波动率模型进行了实证检验,结果表明：充分利用了期权与高频数据信息的双因子随机波动率模型能够在快速变化的市场环境中更好地估计波动率,相比其它波动率模型（仅利用了历史数据信息的GARCH模型、利用了高频数据信息的已实现GARCH模型以及利用了期权与高频数据信息的单因子随机波动率模型）具有更为优越的VaR度量精确性,尤其是极端风险情形下的VaR估计精确性改进明显,凸显了期权与高频数据信息以及双因子波动率在市场风险管理中的价值.     

双因子随机条件极差模型及其实证研究

对波动率的建模和估计传统上主要基于由收盘价计算得到的收益率信息,而基于包含更多日内价格变动信息的价格极差对波动率的研究却相对较少.对经典的针对价格极差动态性建模的条件自回归极差(CARR)模型进行扩展,借鉴随机波动率(SV)模型的建模思路,同时考虑波动率的长记忆特征,引入Gamma分布刻画价格极差新息的分布,构建了双因子随机条件极差(2FSCR)模型来描述价格极差的动态性.进一步,基于连续粒子滤波算法,给出了2FSCR模型参数的极大似然估计方法,并通过蒙特卡罗模拟实验表明了该估计方法的有效性.采用上证综合指数(SSE)、深证成份指数(SZSE)、香港恒生指数(HSI)和美国标普500指数(SPX)数据进行了实证研究,结果表明:2FSCR模型相比CARR模型以及单因子的SCR模型都具有更好的数据拟合效果.进一步的模型诊断分析表明,2FSCR模型相比CARR模型和SCR模型能够更好地刻画价格极差新息的尾部分布,能够更充分地捕获波动率的动态特征(时变性、聚集性与长记忆性).采用滚动窗方法对波动率进行预测,利用价格极差与已实现波动率作为比较基准对模型的预测能力进行了比较分析,结果表明:2FSCR模型相比CARR模型和SCR模型都具有更为优越的波动率预测效果.     

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.     

已实现波动与日内价差条件下的CVaR估计

随着高频金融数据的获取,已有很多基于高频数据的研究,包括已实现波动率的估计及其分布特征分析等.尝试结合日内高频数据和日收益率数据,基于Copula方法分析了日收益率与"已实现"波动率以及日内价差之间的相依结构.通过分象限对数据进行了Copula拟合,给出了一类特殊数据的联合分布估计方法,进而给出了已实现波动率和日内价差条件下的CVaR的估计方法.最后基于中国股市上证综指和深证成指的高频收益率数据进行了实证分析,并对两种条件下的CVaR方法进行了预测效果的比较,实证结果表明已实现波动率条件下的CVaR预测效果更好.     

高频波动率矩阵估计的比较分析——基于有噪非同步的金融数据

基于高频数据的波动率矩阵估计可有效解决传统低频估计面临的种种瓶颈问题。然而,由于受非同步和微观结构噪声等的影响,传统的高频波动率矩阵估计会产生艾普斯效应,并偏离其理论值。本文主要考虑非同步逐笔高频数据的三种同步化方法和五种传统已实现波动率矩阵的纠偏降噪方法,并从数值模拟和沪深股市的实证分析两个角度对两类方法分别展开了全面深入的比较研究。结果表明:更新时间同步化法最大程度地保留了数据信息,传统未纠偏的已实现波动率矩阵具有艾普斯效应,其偏差较大,多变量已实现核估计、双频已实现波动率矩阵估计、调整的已实现波动率矩阵估计的纠偏降噪效果较好,事先平均HY估计和HY估计相对表现较差。研究结果可为相关领域工作者进一步的研究与应用提供方法上的参考与指导。     

基于LHAR-RV-V模型的中国股市波动性研究

在已实现波动率异质自回归模型(HAR-RV模型)的基础上,基于市场微观结构的理论,同时考虑市场波动的杠杆效应和量价关系,构造了已实现波动率及交易量之长记忆异质自回归模型(LHAR-RV-V模型).利用该模型对沪深300指数的等时1min高频数据进行实证分析,实证结果表明该模型能够较好地捕捉到我国股票市场波动的长记忆性和杠杆效应,且杠杆效应具有一定的持续性.此外,过去不同周期交易量的加入不仅能够更为细微的反映量价之间的关系,而且在一定程度上改善了模型的预测能力.     

基于 LHAR-RV-V 模型的中国股市波动性研究

在已实现波动率异质自回归模型( HAR-RV 模型) 的基础上,基于市场微观结构的理论,同时考虑市场波动的杠杆效应和量价关系,构造了已实现波动率及交易量之长记忆异质自回归模型( LHAR-RV-V 模型)．利用该模型对沪深 300 指数的等时 1min 高频数据进行实证分析,实证结果表明该模型能够较好地捕捉到我国股票市场波动的长记忆性和杠杆效应,且杠杆效应具有一定的持续性．此外,过去不同周期交易量的加入不仅能够更为细微的反映量价之间的关系,而且在一定程度上改善了模型的预测能力．     

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SV-SGED模型的动态VaR测度研究

本文针对金融资产收益展现出“有偏”及“厚尾”分布特征,引入有偏广义误差分布（SGED）来描述资产收益,继而提出SV-SGED模型对资产收益波动率建模,并以此来测度动态风险值（VaR）,进而采用后验测试技术对风险测度模型的精确性进行检验。同时,为了估计SV模型的参数,提出基于有效重要性抽样（EIS）技巧的极大似然（ML）估计方法。最后,给出了基于上证综合指数的实证研究。结果表明,SV-SGED模型比正态分布假定下的SV（SV-N）和广义误差分布假定下的SV（SV-GED）模型具有更好的波动率描述能力,SV-SGED模型展现出比SV-N和SV-GED模型更优越的风险测度能力。     

已实现波动GAS-HEAVY模型及其实证研究

引入日内高频数据计算的已实现波动，能够提高波动模型预测能力。本文将日收益和已实现波动联合建模，提出一种新的波动模型。选取尺度调整t分布和F分布作为日收益和已实现波动的分布，更为充分和灵活地捕捉厚尾性，采用得分驱动方法设定波动模型更新项，得出广义自回归得分（GAS）波动模型，提高对实际模型的逼近效率。本文对模型遍历性和平稳性进行证明，并与同类模型进行比较。蒙特卡罗模拟实验显示，在数据生成过程误设的情况下本文提出的GAS-HEAVY模型比同类模型具有更好的数据拟合效果。基于沪综指、深成指和沪深300指数2013.1至2017.4日内1分钟高频数据实证分析表明，不同损失函数的SPA检验下GAS-HEAVY模型的波动预测能力显著强于其它同类模型。本文给出的GAS-HEAVY模型为有关理论研究和市场应用提供了新的波动计量工具。     

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.     

中国股票市场的时变杠杆效应研究——基于随机Copula模型的实证分析

构建随机Copula模型研究了中国股票市场在极端市场条件下的时变杠杆效应.为了解决金融市场中波动率不可直接观测的问题,采用已实现波动率测度作为隐波动率的代理变量,进而运用基于有效重要性抽样的极大似然(EIS-ML)方法估计了随机Copula模型的参数.基于沪深股市数据的实证研究表明:中国股票市场的杠杆效应具有非对称特征,即股市低收益率伴随高波动率,但股市高收益率不一定伴随低波动率;中国股票市场的杠杆效应存在显著的时变性,沪深股市杠杆效应表现出类似的变化趋势;随机Copula模型相比其它Copula模型(静态Copula模型和时变Copula模型)具有更好的数据拟合效果.     

上证综指的股指波动:基于模糊FEGARCH模型及不同分布假设的预测研究

本文主要对2006年至2011年上证综指收益率序列的高频波动性进行预测研究。首先,针对金融数据的非线性和不确定等特性,借助模糊逻辑系统,提出一种新的金融市场波动率的预测方法-模糊FEGARCH模型,用来更好的针对具有非线性特性的收益率数据进行预测。其次,为了判断分布型模型和不对称型模型对预测精度的影响程度,分别采用分布型(GARCH-N,GARCH-t,GARCH-HT和GARCH-SGT)和不对称型(GJR-GARCH、EGARCH和模糊FEGARCH)的波动模型进行高级能力预测法(SPA)检测。实证结果表明,不对称模型对波动率预测的影响程度比分布假设的确定更为重要,而且模糊FEGARCH模型对于具有尖峰厚尾、高偏度和杠杆效应的非线性波动数据的预测能力更佳,说明了该模型的有效性与实用性。     

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。     

广义双指数分布的跳跃扩散模型下股指期货波动研究

 金融期货市场既存在平常信息引起的连续性波动,又存在突发冲击造成的跳跃式波动,金融市场波动同时具有扩散性和跳跃性特点。同时,金融期货市场与现货市场间的跳跃和波动行为存在着风险溢出效应和羊群效应等。并且,金融资产收益在跳跃过程中呈现出非高斯属性,正态分布假设不能刻画跳跃和波动中的程式化现象,如噪音分布的尖峰厚尾、有偏特征等。        考虑到金融期货序列分布的尖峰厚尾、有偏、非对称现象,采用非对称、有偏的广义双指数分布刻画收益率非高斯特征;同时考虑到金融波动序列的时变性、集聚性和异方差性以及收益与波动之间存在着杠杆效应,将有偏的广义双指数分布引入到收益序列和波动序列均存在跳跃且跳跃相关的双层跳跃扩散模型,构建广义双指数分布驱动的双层跳跃扩散模型,并从理论上分析模型的优越性。根据模型的似然函数估计式,使用马尔科夫链蒙特卡洛模拟迭代求解广义双指数分布驱动的双层跳跃扩散模型参数,将构建的模型应用到中国股指期货和现货市场进行实证研究,分析中国股指期货和现货市场各自的跳跃和波动行为特征以及市场间跳跃和波动的风险关联性,包括对两类市场跳跃形态的非高斯特征分析股指期货市场与现货指数的波动协同性描述,以及股指期货与现货间的跳跃溢出行为、跳跃强度和跳跃大小分析等。        研究结果表明,广义双指数分布驱动的双层跳跃扩散模型较好地捕获了收益率分布的尖峰厚尾特征;股指期货收益和股指现货收益上涨与下跌概率呈现非对称性;股指期货波动强度高于股指现货波动,而股指期货波动的持久性低于股指现货;股指现货的杠杆效应表现更强;股指期货和股指现货市场存在双向跳跃溢出效应。        研究结论有利于理解中国沪深300股指期货市场和现货市场之间的跳跃风险传染机制,对于深入认识期货和现货市场的风险溢出关系、促使投资者规避风险和监管机构加强监管具有一定的参考作用。     

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".     

考虑成分股联跳与宏观信息发布的沪深300指数已实现波动率模型研究

利用日内高频数据计算的已实现波动率较好度量了金融资产的风险,因此对其预测模型的研究具有重要意义。考虑到指数成分股的联跳可能蕴含指数跳跃所未能反映的信息,提出运用非参数方法识别指数成分股的联跳,采用自回归条件风险模型估计成分股联跳强度,并将其引入指数的已实现波动率异质自回归（HAR-RV-CJ）模型中,分析模型预测性能的改进。进一步的,考虑到宏观信息公告的发布可能对股市产生整体性影响,相应影响成分股联跳的几率;因此,在成分股联跳的自回归条件风险模型中引入居民消费价格指数、国内生产总值、贸易差额等宏观信息公告变量,并分析对联跳强度估计以及指数已实现波动率预测的影响。采用2011年1月4日至2013年7月11日沪深300指数及其成分股高频数据的实证表明,指数成分股联跳与指数跳跃具有不同的特征;用成分股联跳强度代替HAR-RV-CJ模型中的跳跃构建的HAR-RV-CI模型,较原始的HAR-RV-CJ模型,以及同时考虑指数跳跃与成分股联跳强度的HAR-RV-CJI模型,具有明显较优的样本内拟合与样本外预测性能。引入宏观信息公告变量可以改进联跳强度自回归条件风险模型的拟合效果,并提高指数已实现波动率模型的样本内拟合能力,但对于指数已实现波动率的样本外预测性能并无明显的帮助。