中国股市收益率分布特征研究

一、引言现有关于证券收益率分布研究的文献大致可以分为三类:统计分布模型,随机过程模型和行为投资模型。后两者更多的是寻找收益率波动的原因,或是从价格形成机制,或是从投资行为学角度试图对收益率的波动做出合理的解释,从而确定描述收益率的理论分布函数;统计分布模型一般直接从经验数据入手,对数据的总体情况作全面的描述。比较后两者,统计分布模型最为突出的优点在于能够提出或拟合出一个收益率分布函数,以具体的     

基于APARCH-Laplace模型的VaR和CVaR方法

针对我国证券市场收益率分布所表现出来的尖峰厚尾性,文章采Laplace分布刻画收益率分布,建立一种新的风险度量模型:APARCH-Laplace,并用实证分析证明了Laplace分布与正态分布相比,拟合数据较好。模型准确性检验表明用Laplace分布刻画收益率分布所计算的风险度量更有效。     

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。     

分数布朗运动下B-S权证定价模型的修正

分析证券市场的有效性,指出其线性范式与现实市场状况并不符合。传统的金融学认为证券收益率服从对数正态分布,而大量的实证表明收益率分布与正态分布相比有＂尖峰胖尾＂特征,具有分形结构。在此基础上剖析了传统B-S权证定价模型的不足,结合分形市场中的分数布朗运动,提出了基于分形理论的B-S股本权证定价模型,考虑了股本稀释效应。由于股本权证定价模型需要已知企业股权价值及其波动率,但企业价值是权证价格的函数。基于此,运用数值方法以股票价格和波动率来估计企业价值波动率,并给出了在实际运用中的案例。     

证券组合SGHD-EGARCH模型和VaR估计分析

文章在基于对称的广义双曲线分布计算VaR时与EGARCH模型结合在一起。在考虑收益的波动性的同时,对VaR残差的正态分布、t、GED、SGHD分布假设进行了比较研究,实证结果显示与正态分布、t、GED分布的结果进行了对比。SGHD能较好地拟合波动,准确估计和把握风险。     

展望理论下的收益率分布函数

0引言资产收益率的分布函数在金融研究中是一个非常重要的问题。从正态分布、稳定分布到混合分布等其它统计分布形式,研究者提出了各种分布形式对收益率分布进行描叙,这些提出的统计分布描述模型几乎都没有直接考虑个体决策的行为特征。目前较为普遍的ARCH/GARCH模型对收益率分     

非参数核密度估计在恒生指数收益率分布中的应用

文章采用了一种新的方法--非参数核密度估计,对恒生大盘指数的收益率分布函数进行了研究.这种新方法不仅很好地刻画了收益率分布的尖峰肥尾等非线性特征,而且比一般的正态分布更能捕捉市场的风险特征,结论也更加准确.     

EM算法下人民币汇率收益率的分布特性

文章以汇改以来的日收益率数据为样本资料,提出混合高斯分布为其分布类型假设,并采用EM迭代算法对其参数进行估计。结果显示,相比于单一概率分布模型,采用3个高斯分布的混合模型几乎能准确拟合汇率收益率的分布规律,同时能通过EM算法求解该混合分布的参数估计。     

VaR-GARCH类模型在股市风险度量中的比较研究

金融市场风险管理的核心是对风险的度量,度量风险最流行的方法是VaR方法。文章选取1998年1月5日～2006年11月6日的上证综指日收盘价指数共计2129个数据实证分析了GARCH、EGARCH、TARCH和PARCH四种模型在正态分布、t分布以及GED分布下预测的VaR值的准确程度。实证分析结果表明,正态分布下估计的VaR值在靠近左尾时存在低估现象;与正态分布和t分布相比,GED分布能较好地反映股市收益率回报序列的厚尾特征,使用GARCH类模型预测VaR值时,E-GARCH和PARCH模型要优于其他模型。     

基于CVaR风险度量的投资组合优化决策

投资组合优化问题依赖于风险度量方法和投资组合收益率分布函数的选取。针对收益率通常不服从多元正态分布以及均值—方差模型低估了投资组合发生重大损失的风险,文章利用多元广义双曲线分布来拟合投资组合收益率,从而更加灵活地捕捉收益率数据的偏态和尖峰厚尾特征;使用CVaR代替方差和VaR来度量金融资产重大损失风险,进而建立均值—CVaR投资优化模型。实证研究结果表明,相对于均值—方差模型,均值—CVaR能够更好地反映投资组合收益率分布,提高投资者控制投资风险的能力。     

基于ARCH—M模型上证基金指数收益性与波动性的实证分析

以日收盘价指数的对数收益率为基础,采用ARCH—M类模型（GARCH—M,TGARCH—M和EGARCH—M）对上证基金指数的波动性与收益性进行了实证研究。结果表明基金波动性存在集聚性、波动率与收益率正相关．利空与利好消息对基金波动冲击存在不显著的杠杆效应。     

基于广义双曲线SV模型的极值风险度量研究

在金融风险的度量中,拟合分布的选取直接影响到风险度量的精度问题。针对金融收益序列的动态变化,在SV模型中引入广义双曲线学生偏t分布(SV-GHSKt)拟合金融收益序列的尖峰厚尾、不对称以及杠杆效应等特征,通过马尔科夫蒙特卡洛模拟的方法将收益率序列转化为标准残差序列,然后用极值理论的POT模型拟合标准残差序列尾部分布,进而建立一种新的金融风险度量模型———基于SV-GHSKt-POT的动态VaR模型。用该模型对上证综合指数做实证研究,结果表明,SV-GHSKt-POT的动态VaR模型能很好地模拟金融收益序列的尖峰厚尾性、波动集聚性及杠杆效应,并且能够合理有效地提高风险测度的精度,尤其在高的置信水平下表现更好。     

Stochastic volatility modelling in continuous time with general marginal distributions: Inference,prediction and model selection

We compare results for stochastic volatility models where the underlying volatility process having generalized inverse Gaussian (GIG) and tempered stable marginal laws. We use a continuous time stochastic volatility model where the volatility follows an Ornstein–Uhlenbeck stochastic differential equation driven by a Lévy process. A model for long-range dependence is also considered, its merit and practical relevance discussed. We find that the full GIG and a special case, the inverse gamma, marginal distributions accurately fit real data. Inference is carried out in a Bayesian framework, with computation using Markov chain Monte Carlo (MCMC). We develop an MCMC algorithm that can be used for a general marginal model.     

Bayesian inference for Heston-STAR models

The Heston-STAR model is a new class of stochastic volatility models defined by generalizing the Heston model to allow the volatility of the volatility process as well as the correlation between asset log-returns and variance shocks to change across different regimes via smooth transition autoregressive (STAR) functions. The form of the STAR functions is very flexible, much more so than the functions introduced in Jones (J Econom 116:181–224, 2003), and provides the framework for a wide range of stochastic volatility models. A Bayesian inference approach using data augmentation techniques is used for the parameters of our model. We also explore goodness of fit of our Heston-STAR model. Our analysis of the S&P 500 and VIX index demonstrates that the Heston-STAR model is more capable of dealing with large market fluctuations (such as in 2008) compared to the standard Heston model.     

Econometric analysis of realized volatility and its use in estimating stochastic volatility models

Summary. The availability of intraday data on the prices of speculative assets means that we can use quadratic variation-like measures of activity in financial markets, called realized volatility, to study the stochastic properties of returns. Here, under the assumption of a rather general stochastic volatility model, we derive the moments and the asymptotic distribution of the realized volatility error—the difference between realized volatility and the discretized integrated volatility (which we call actual volatility). These properties can be used to allow us to estimate the parameters of stochastic volatility models without recourse to the use of simulation-intensive methods.     

HEAVY-TAILED-DISTRIBUTED THRESHOLD STOCHASTIC VOLATILITY MODELS IN FINANCIAL TIME SERIES

To capture mean and variance asymmetries and time‐varying volatility in financial time series, we generalize the threshold stochastic volatility (THSV) model and incorporate a heavy‐tailed error distribution. Unlike existing stochastic volatility models, this model simultaneously accounts for uncertainty in the unobserved threshold value and in the time‐delay parameter. Self‐exciting and exogenous threshold variables are considered to investigate the impact of a number of market news variables on volatility changes. Adopting a Bayesian approach, we use Markov chain Monte Carlo methods to estimate all unknown parameters and latent variables. A simulation experiment demonstrates good estimation performance for reasonable sample sizes. In a study of two international financial market indices, we consider two variants of the generalized THSV model, with US market news as the threshold variable. Finally, we compare models using Bayesian forecasting in a value‐at‐risk (VaR) study. The results show that our proposed model can generate more accurate VaR forecasts than can standard models.     

中国高龄人口死亡率随机波动趋势分析

本文采用1996-2010年国家统计局公布的死亡率数据,以70岁男性人口作为高龄人口的代表,基于中国人口死亡率数据较少的特点,突破了传统Lee-Carter模型的框架,直接从死亡率改善产生的原因入手,采取Monte Carlo方法建立中国高龄人口死亡率随机波动趋势模型。通过对不同死亡率改善原因进行组合,从中选取最优模型来探究死亡率的随机趋势性与波动性的关系,更好的克服了死亡率普遍被低估的事实,使得对未来死亡率的预测更加准确与稳妥。     

非对称随机波动模型在中国股市的应用

为了探测随机波动模型的非对称特征,修改传统的随机波动模型建立非对称的随机波动模型,采用基于马尔可夫链蒙特卡洛(MCMC)模拟的贝叶斯分析对模型进行参数估计。对中国深圳、上海股市波动进行实证研究发现,非对称随机波动模型能较好地探测波动存在的非对称波动。与GJR-GARCH模型相比,非对称随机波动模型预测效果更好。     

Stochastic volatility in mean models with scale mixtures of normal distributions and correlated errors: A Bayesian approach

A stochastic volatility in mean model with correlated errors using the symmetrical class of scale mixtures of normal distributions is introduced in this article. The scale mixture of normal distributions is an attractive class of symmetric distributions that includes the normal, Student-t, slash and contaminated normal distributions as special cases, providing a robust alternative to estimation in stochastic volatility in mean models in the absence of normality. Using a Bayesian paradigm, an efficient method based on Markov chain Monte Carlo (MCMC) is developed for parameter estimation. The methods developed are applied to analyze daily stock return data from the São Paulo Stock, Mercantile & Futures Exchange index (IBOVESPA). The Bayesian predictive information criteria (BPIC) and the logarithm of the marginal likelihood are used as model selection criteria. The results reveal that the stochastic volatility in mean model with correlated errors and slash distribution provides a significant improvement in model fit for the IBOVESPA data over the usual normal model.     

中国猪肉产业链价格传导机制分析——基于省份数据的比较

利用2000年1月至2011年5月猪肉、毛猪、猪饲料、玉米等月度价格数据,考察主要省份及全国猪肉产业链各变量之间的内在联系性,并对各省份价格波动进行了比较。研究结果显示:猪肉、毛猪价格波动幅度较大,猪饲料、玉米价格的波动幅度相对来说较为稳定;主产省猪肉价格相对于玉米价格的波动幅度均高于全国平均水平。上游产品价格波动成为下游产品价格波动的格兰杰成因,下游产品价格波动未必是上游产品价格波动的格兰杰成因;几乎所有区域猪肉产业链各变量之间都存在协整关系;最后根据研究结论提出了相关的政策建议。