中国股市波动性研究

文章运用GARCH模型族对上证指数和深证成指收益率的波动性进行研究,分析了我国股市波动性的特点。通过比较发现,对于沪、深两市股指收益率的波动性,EGARCH(1,1)模型和EGARCH(1,1)-M模型都能很好地拟合,同时还对两市股指收益率的波动性进行了预测分析。     

涨跌停板制度对沪深股市不同期限股指收益率波动性的影响

本文利用ARCH/GARCH模型研究了涨跌停板制度对沪深股市日、周、月收益率波动性的影响.实证结果表明涨跌停板制度改变了两市周收益率和沪市月收益率的波动特征和日收益率的波动结构,并且对收益率波动性较高的上海市场的影响大于对深圳市场的影响,对上海市场长期收益率波动性的影响大于对短期收益率波动性的影响.     

中国股市收益率分布特征实证研究

金融资产收益率是金融经济学中的一个非常重要的概念,能否对收益率的分布状况进行正确描述直接关系到证券组合选择的正确性、风险管理的有效性、期权定价的合理性.在描述股价行为的经典计量模型中,股市收益率通常被假定服从正态分布.许多著名的计量金融学家对这一经典假设作了大量的理论与实证分析,结果表明金融市场上绝大多数股市收益率并不服从正态分布,而具有尖峰、厚尾、非对称等特征.本文借助No1an的稳定分布分析软件对上海综合指数收益率和深圳成分指数收益率的分布状况进行实证分析,研究结果表明这两类股指收益率均可用稳定分布对其进行描述.     

沪深300股指期货风险的预警研究

文章通过对沪深300股指期货IF1012合约日收益率序列进行统计分析,继而建立GARCH(1,2)-GED模型,度量了中国股指期货市场的最大损失值CVAR。研究结果显示:该模型能很好的拟合中国股指期货长期合约的特征,在股指期货市场中,每个交易日的数据均受前期波动影响,CVAR值与原始收益率序列变化基本一致,且不存在滞后效应,因此CVAR值可作为风险预警的指标为有关监管部门与投资者服务。     

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。     

涨跌停板制度下沪深股市向量自回归模型及波动性的协整分析

本文以上证综合指数和深圳成分指数为研究对象,选取了以1996年12月16日至2009年5月27日的两指数收盘价为样本,通过向量自回归模型（VAR）、协整分析、脉冲响应分析来检验两时间序列间的内在联系。结果表明,所选取观测交易日的沪深两市对数收盘价不存在长期均衡关系,并且两市股指收益率变化的相互影响的持续时间短;沪深两市不存在格兰杰因果关系,两市的独立性越来越明显;在不同时期,沪深两市波动的联动作用不同。     

中国金融市场波动率的实现极差双幂次变差估计

实现极差和实现双幂次变差分别是针对金融市场中日益流行的高频实现波动率的重要改进,文章对一类新的结合了实现极差和实现二次幂变差各自的优点的实现极差双幂次变差估计进行了建模和实证研究,采用来自沪深两市的主要股指日内高频数据的对比研究显示:该波动率估计量不仅能够像实现极差一样准确捕捉到金融市场收益率无条件分布的尖峰厚尾特征,而且能够像实现双幂次变差一样很好的消除其偏态性.     

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.     

资产相关结构对投资组合风险测度的影响分析

文章从分析金融资产收益率的统计特征入手,以GARCH模型为基础,用非对称幂分布描述组合资产中各金融资产收益率的边缘分布函数,在多种Copula函数情形下计算组合资产的风险值VaR及ES。结果表明:基于由多元Clayton Copula和多元Gumbel Copula组成的混合Copula函数较好地刻画了多只股票的相关结构,而且ES比VaR能够较准确地估计组合资产的尾部风险。     

中国股指收益率序列GARCH模型中变点的Bayes识别

文章研究基于贝叶斯方法的GARCH模型中变点的识别问题.由于股指收益率序列呈现尖峰厚尾非正态的特点,假设误差项服从自由度为v的标准化学生t分布而非标准正态分布.我们给出了基于贝叶斯方法的GARCH模型中变点估计的具体描述,包括单变点情形、多变点(变点个数未知)情形的变点估计.在实证研究中,我们选取2000年1月4日至2011年9月30日上证A股指数收益率数据进行迭代计算来识别变点,并且将得到的变点时刻与其附近的重大政治经济事件结合起来,给出其合理的解释.     

Impact study of volatility modelling of Bangladesh stock index using non-normal density

This article examines a wide variety of popular volatility models for stock index return, including the random walk (RW), autoregressive, generalized autoregressive conditional heteroscedasticity (GARCH), and asymmetric GARCH models with normal and non-normal (Student's t and generalized error) distributional assumption. Fitting these models to the Chittagong stock index return data from the period 2 January 1999 to 29 December 2005, we found that the asymmetric GARCH/GARCH model fits better under the assumption of non-normal distribution than under normal distribution. Non-parametric specification tests show that the RW-GARCH, RW-TGARCH, RW-EGARCH, and RW-APARCH models under the Student's t-distributional assumption are significant at the 5% level. Finally, the study suggests that these four models are suitable for the Chittagong Stock Exchange of Bangladesh. We believe that this study would be of great benefit to investors and policy makers at home and abroad.     

基于ANN-GARCH模型的中国股市收益非对称波动拟合能力研究

在传统的非对称GARCH模型上加入ANN逻辑项,从而提高了模型的非对称性描述能力。不同于"黑箱"式的神经网络计算,这种方法的ANN逻辑项是可见、可分析的。通过对上证综指、深证综指和恒生指数的实证研究,发现三个市场都存在"杠杆效应"。研究表明:ANN-GARCH模型总体上比传统模型的拟合效果更好,预测能力更强。     

CVaR-EVT和BMM在极端金融风险管理中的应用研究

随着风险度量一致性原则的提出,研究发现金融机构广泛采用的VaR模型存在严重不足,尤其针对分布具有厚尾特征的极端金融风险无法有效度量。本文采用极值理论（EVT）解决VaR方法的尾部度量不足问题,利用CVaR-EVT和BMM模型分析美国、香港股票市场和我国沪深两市指数18年的日收益数据,研究发现：（1）在95％置信区间及点估计中,分位数为99%的CVaR-EVT所揭示的极端风险优于VaR的估计值;且BMM方法为实施长期极端风险管理提供了有力决策依据,其回报率受分段时区的影响,期间越长,风险估计值越高;（2）模型采用ML和BS方法统计估值显示,我国股票市场极端风险尾部估计值高于香港和美国市场;但是,国内市场逐步稳定,并呈现出跟进国际市场且差距缩小的发展趋势。     

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。     

上海股票市场的基于小波去噪的混沌性检验

由于经济混沌需要大样本、低噪声的时间序列,所以文章首先利用小波变换对上证指数日收盘价序列进行去噪处理,然后由去噪后的日收盘价序列计算出日收益率序列,姑且称其为去噪后的日收益率序列,并把它同未经过去噪处理得到的日收益率序列进行比较,发现该方法较好地保留了序列自身固有的特性,只是剔除了由于日常细微波动产生的噪声,为有效地探测我国上海证券市场的混沌性打下了基础。最后分别计算去噪前后收益率的关联维数和Lyapunov指数,发现小波去噪并未改变上海证券市场的混沌性,但是去噪后的市场的复杂度要小于去噪前的市场的复杂度。所以进行混沌性探测的时候必须对数据进行去噪处理。     

上证指数收益率的特征及其波动性分析

股票价格的频繁波动是股票市场最明显的特征之一。ARCH类模型可以很好地预测金融资产收益率的方差。通过对上证指数的统计分析表明,上证指数的收益率分布表现出非正态性,并存在自回归条件异方差的特征。利用ARCH类模型对上证指数的波动进行了拟合,结果表明GARCH(1,1)模型对上证指数波动具有较好的拟合效果。     

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。     

基于偏好变量的指数跟踪方法

考虑到在进行指数跟踪时影响强度大并且流动性好的成份股往往是被偏好的,结合股票市场的网络结构和指数的编制规则,提出基于偏好变量的指数跟踪方法;对沪深300指数进行实证分析,从跟踪偏离度、平均超额收益和年跟踪误差三方面对新方法进行评估,并与非负LASSO模型进行对比分析。实证结果显示,新方法不仅优于非负LASSO模型,而且优于市场上大多数指数基金。     

A segmented regime-switching model with its application to stock market indices

This paper evaluates the ability of a Markov regime-switching log-normal (RSLN) model to capture the time-varying features of stock return and volatility. The model displays a better ability to depict a fat tail distribution as compared with using a log-normal model, which means that the RSLN model can describe observed market behavior better. Our major objective is to explore the capability of the model to capture stock market behavior over time. By analyzing the behavior of calibrated regime-switching parameters over different lengths of time intervals, the change-point concept is introduced and an algorithm is proposed for identifying the change-points in the series corresponding to the times when there are changes in parameter estimates. This algorithm for identifying change-points is tested on the Standard and Poor's 500 monthly index data from 1971 to 2008, and the Nikkei 225 monthly index data from 1984 to 2008. It is evident that the change-points we identify match the big events observed in the US stock market and the Japan stock market (e.g., the October 1987 stock market crash), and that the segmentations of stock index series, which are defined as the periods between change-points, match the observed bear–bull market phases.     

Fitting probability distributions to economic growth: a maximum likelihood approach

The growth rate of the gross domestic product (GDP) usually carries heteroscedasticity, asymmetry and fat-tails. In this study three important and significantly heteroscedastic GDP series are examined. A Normal, normal-mixture, normal-asymmetric Laplace distribution and a Student's t-Asymmetric Laplace (TAL) distribution mixture are considered for distributional fit comparison of GDP growth series after removing heteroscedasticity. The parameters of the distributions have been estimated using maximum likelihood method. Based on the results of different accuracy measures, goodness-of-fit tests and plots, we find out that in the case of asymmetric, heteroscedastic and highly leptokurtic data the TAL-distribution fits better than the alternatives. In the case of asymmetric, heteroscedastic but less leptokurtic data the NM fit is superior. Furthermore, a simulation study has been carried out to obtain standard errors for the estimated parameters. The results of this study might be used in e.g. density forecasting of GDP growth series or to compare different economies.