限价订单信息含量分布：理论模型及中国市场实证研究

投资者订单决策过程是研究不完全市场信息释放的逻辑起点。订单的信息分布对市场结构设计有重要的作用。构建非对称环境中投资者订单选择策略模型,并利用高频误差修正模型对理论研究结论进行检验。研究发现中国证券市场订单具有递减信息分布。     

高频时间序列基于小波分析的预测

高频金融交易数据分析模型从上世纪90年代开始迅速发展,目前已广泛地用于金融市场微观结构理论的应用和实证检验.随着信息技术的不断发展,金融市场逐渐关注于利用高频金融数据的建模方法与理论的研究.但是,目前利用小波分析研究高频数据的文章并不多,而股市变化迅速且信息量巨大,正适合用高频数据的方法采集信息.     

基于高频数据的市场价格久期集聚特征分析

在金融高频数据中,价格久期反映了交易者的交易策略,从时间维度反映了信息的传导过程。文章采用股票交易的分笔数据,在自回归条件久期模型中引入信息交易特征变量:交易强度、每笔平均交易量和百分比买卖价差,分析价格久期集聚特征与市场信息交易之间的关系。     

中国证券市场的ACD-GARCH模型及其应用

一、引言随着计算机技术的飞速发展 ,人们可以获得采样频率越来越高的股票、汇率等金融数据 ,甚至可以获得股票市场、外汇市场实时的每笔成交数据。这些数据称之为高频数据。高频数据的获得使人们可以进一步研究市场的微观结构和运行机制。Easley ( 1996 )、Diamond和Verrecchia ( 1987)、Glosten和Milgrom ( 1985 )、Hasbrouck( 1998)和O’Hara( 1995 )等在研究市场微结构时指出 ,在交易中、价格变化中和买卖指令期间的等待时间对了解金融市场的私人和公共信息具有关键性的作用。为了利用交易到达时间和买卖价更新时间对金融市场微观结…     

交易量与价格波动的GARCH模型分析

一、交易量与价格波动的理论 长期以来,关于交易量在市场中扮演着重要角色的观点一直是实证研究的主题之一.人们认为,证券的价格运动、交易量与信息质量及其传播速度是密切相关的.尽管交易者个人预期的信息的平均水平最终将通过价格体现出来,但价格随着信息进行调整的过程并不是瞬息而就的过程,从而交易统计量可能溶合了还未反映于目前市场价格中的信息.通过研究交易量就可能得到不能直接从价格统计量中提供的信息内容.     

（超）高频数据分析与建模

高频数据即指日与日内的数据 ,主要针对以小时、分钟或秒为采集频率的数据。而超高频数据则指对交易过程实时采集的数据 (显然是不等间隔的数据 )。一般而言 ,金融市场上的信息是连续性影响证券价格变化过程 ,离散模型必然会造成信息的丢失 ,数据频率越低 ,则信息丢失就越多。Ｗｏｏｄ(2 0 0 0 )详细讨论了国外金融研究中所用的不同频率数据库的历史和对未来实证研究者的数据采集建议。中国目前 (据我们所知 )日内数据很难得到 ,更不用谈超高频数据了。但是作为一种先进的数据分析工具 ,高频数据分析迟早都将被中国的理论研究者和金融市场的…     

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。     

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。     

中国金融市场动态相关性实证分析

为了分析中国金融市场之间动态相关性,文章选择了货币市场、外汇市场、股票市场和债券市场四个金融市场,基于马尔科夫区制转移(MRS)的DCC-MVGARCH模型,对上述四个金融市场间的动态相关性进行了实证分析。结果表明中国金融市场之间的动态相关关系呈现明显的非对称特征。     

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.     

中国股指期货与股票市场波动性关系的实证分析

使用修正的EGARCH模型与VaR方法检验股指期货的推出对中国股票市场波动性所产生的影响。采用的数据为沪深300指数,样本数据分为股指期货推出前,股指期货推出后的短期、中期和长期与样本数据全体五个时间段。研究表明,从股指期货推出的短期与中期来看,市场对信息的反应比较混乱。从长期来看,股指期货的推出加速了信息的传递速度并且弱化了非对称效应,并没有加大股市的波动性。VaR方法检验表明,股指期货的推出有效降低了股市风险,使A股市场更加成熟和完善。     

我国股指期货价格发现功能研究

本文基于沪深300股指期货5分钟高频数据,利用协整检验、误差修正模型和脉冲响应函数研究了我国股指期货长短期的价格发现机制,并用信息共享模型、共因子模型研究了我国股指期货市场的价格发现贡献程度,在此基础上,引入分位数回归,探讨不同涨跌幅度的期现关系。实证结果表明：我国指数期货和现货价格存在相互引导关系,而现阶段现货市场能更快反应全部市场的冲击,且现货市场在价格发现功能中的作用相对较大;随着涨跌幅度的变化,现货对期货的影响呈U型走势,而期货对现货的影响呈单边上升走势。     

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。     

基于中国金属期货价格指数的价格发现能力实证研究

针对目前我国在金属期货市场价格发现能力的研究中,只局限于单品种研究,而缺乏对整体市场研究的现状,本文首次利用2003年1月2日至2010年12月31日由作者自己编制的中国金属期货价格指数（CMFPI）和国内金属现货市场上具有代表性的上海有色金属价格指数（SMMI）的指数数据,构建信息传递效应模型和G-S模型,对我国金属期货市场的价格发现能力进行了探究。研究结果表明：我国金属期货和现货市场之间存在显著的双向价格引导关系,不存在显著的波动溢出效应和持续的非对称效应;金属期货市场在经过治理整顿和规范发展的阶段后,其价格引导力度逐渐增强,现已基本具备价格发现能力。最后,根据结论提出对策建议。     

Assessing influential trade effects via high-frequency market reactions

In the literature, traders are often classified into informed and uninformed and the trades from informed traders have market impacts. We investigate these trades by first establishing a scheme to identify the influential trades from the ordinary trades under certain criteria. The differential properties between these two types of trades are examined via the four transaction states classified by the trade price, trade volume, quotes, and quoted depth. Marginal distribution of the four states and the transition probability between different states are shown to be distinct for informed trades and ordinary liquidity trades. Furthermore, four market reaction factors are introduced and logistic regression models of the influential trades are established based on these four factors. Empirical study on the high-frequency transaction data from the NYSE TAQ database show supportive evidence for high correct classification rates of the logistic regression models.     

机动车保险市场信息不对称分析——来自山东、湖北、四川的经验证据

运用中国某大型财产保险公司山东、湖北、四川三省机动车保险的承保和理赔数据,通过建立probit模型和bivariate probit模型实证检验了中国机动车保险市场信息不对称。研究发现,中国机动车保险市场存在显著的信息不对称,且在险种和地区分布上不平衡。随着索赔次数的增加,信息不对称的险种差异仍然存在,但地区差异渐趋消失。同时,投保人在商业第三者责任保险赔偿限额的选择上存在显著的正向选择。最后,对保险公司如何应对信息不对称提出了一些政策建议。     

收益率曲面预测及其在信用债投资组合管理中的应用

收益率曲线是信用债投资者的重要参考。在市场套利活动的作用下,跨期限和信用等级的债券收益率具有很强的内生联系,其变动规律具有整体性和连续性。以往研究将信用债收益率曲线拆分成无风险利率曲线和信用利差两个部分,前者关注期限的影响,后者关注信用等级的影响,但很少同时考虑两者的共同影响。本文在收益率曲线的基础上增加信用等级维度,将AAA+级到AA级收益率曲线视为一个相互关联的整体,定义为信用债的收益率曲面(Yield Surface)。相比收益率曲线,收益率曲面包含了跨等级的系统性预测信息,通过预测收益率曲面能够构建具有较高收益的投资管理策略。本文以中期票据市场为例,采用卷积神经网络模型预测1周后的收益率曲面,在此基础上计算债券的预测理论价格,发现该价格对未来交易价格的预测有显著作用。基于预测价差,本文提出了信用债投资管 理策略,应用该策略的投资组合能够获得显著的正收益。业绩归因分析发现,该策略取得的收益同时来 自投资组合在信用风险和久期风险上的暴露,预测价差可以刻画债券市场的“风险前沿”。本文采用了中债估值价格进行稳健性检验,主要结论均保持一致,具有较强的稳健性。     

连续贝塔、非连续贝塔与股票风险溢酬

本文利用高频数据将传统的CAPM贝塔分解为连续贝塔和非连续贝塔（跳跃贝塔和隔夜贝塔），并在此基础上进一步考虑正向市场和负向市场的非对称性，将跳跃贝塔又细分为正向跳跃贝塔和负向跳跃贝塔，以探讨不同类型系统性风险的特征差异及其所对应的风险溢酬。实证结果表明，个股对市场发生的非连续变动比连续变动更加敏感，投资者对市场发生的负向跳跃比正向跳跃反应更加强烈；中国股票市场上的系统性非连续风险溢酬（跳跃风险溢酬和隔夜风险溢酬）显著为正，但系统性连续风险并没有得到定价；其中，跳跃风险溢酬则主要来源于对系统性负向跳跃风险的补偿，而正向跳跃风险对股票横截面收益率没有显著的影响。     

基于高维波动率网络模型的股票市场风险特征研究

波动率是金融风险管理研究的重要内容之一。本文基于复杂网络理论和数据挖掘技术提出股票市场的高维波动率网络模型。首先运用互信息度量不同股票价格波动之间的相关关系,其次对股票市场不同周期下的波动情况建立度的中心势、平均距离、幂律分布等网络拓扑指标,再次根据这些指标利用Prim算法构建出高维波动率网络模型,最后运用Newman-Girvan算法对股票价格波动率的相关性进行分层研究。高维波动率网络模型突破了传统波动率模型关于变量维数的限制,能够在依赖少量假设的基础上,挖掘出多个金融市场主体间的相互关系,反映金融市场的风险特征及网络拓扑性质。实证结果发现：与常用的Pearson相关系数法相比,在互信息框架下,股价波动的非线性相关关系得到了更好的度量;股票市场的整体波动性与个股波动率相关性变化趋势相反,市场处在高波动时期资产组合分散化效果较好;网络中存在少量度数大的关键节点和中心节点,风险通过这些节点可以迅速传递到整个市场;股票市场的运行具有明显的行业聚集现象;网络分层研究进一步直观的展现了风险在层与层之间的传递规律和与之对应的行业特征。高维波动率网络模型为挖掘股票市场的风险特征与管理金融风险提供了一个新的工具。     

中国粮食价格波动特征研究——基于X-12-ARIMA模型和ARCH类模型

以小麦和大豆为例,研究2002年1月至2012年6月中国粮食价格波动特征。首先利用X-12-ARIMA模型对价格序列进行季节调整,然后运用ARCH类模型对剥离季节因素的价格序列进行波动分析。结果发现:中国粮食价格季节性波动逐年减弱;粮食价格具有明显的波动集簇性,前期价格波动和外部冲击对后期价格的影响具有持续性;粮食市场不存在"高风险、高回报"特征;小麦价格波动的非对称性不显著,而大豆价格波动则呈现明显的非对称特征,且上期价格上涨信息引发的波动要大于下跌信息。