双因子非对称已实现SV模型及其实证研究

在基本的SV模型中引入包含丰富日内高频信息的已实现测度,同时考虑其偏差修正以及波动率非对称性与长记忆性,构建了双因子非对称已实现SV（2FARSV）模型.进一步基于连续粒子滤波算法,给出了2FARSV模型参数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份指数日内高频数据计算已实现波动率（RV）和已实现极差波动率（RRV）,对2FARSV模型进行了实证研究.结果表明：RV和RRV都是真实日度波动率的有偏估计（下偏）,但RRV相比RV是更有效的波动率估计量;沪深股市具有强的波动率持续性以及显著的波动率非对称性（杠杆效应与规模效应）;2FARSV模型相比其它已实现波动率模型具有更好的数据拟合效果,该模型能够充分地捕获沪深股市波动率的动态特征（时变性、聚集性、非对称性与长记忆性）.     

基于已实现波动率的50ETF期权定价研究

  2015年2月9日上证50ETF期权正式上市交易,标志着中国开始进入期权时代,也对期权的准确定价提出了迫切要求。波动率是期权定价模型的核心参数,准确估计和有效预测波动率对期权定价性能至关重要。         利用50ETF的日内高频价格计算已实现波动率,使不可观测的波动率可以直接估计和建模。对已实现波动率构建带杠杆的异质自回归伽马(HARGL)模型,以及带异质杠杆的异质自回归伽马(HARGHL)模型。提出进一步区分日内价格上行、下行风险对已实现波动率预测的贡献,引入利用日内正、负高频收益率计算的已实现正、负半差,将上述模型分别改进为HARGL-S模型和HARGHL-S模型,以更好地刻画波动的日内杠杆效应。通过对参数估计从真实测量到风险中性测量的转换,实现蒙特卡洛模拟法的期权定价。采用50ETF期权上市起至2017年4月18日的42 406条期权合约收盘价数据,通过模拟在期权价格和隐含波动率上的均方根误差,比较4种模型的定价性能。         研究结果表明,①50ETF看涨期权和看跌期权均表现出明显的波动率“微笑”特征;②中国股市波动的风险溢酬显著为正,有必要对波动率模型参数估计进行从真实测量到风险中性测度的转换;③已实现正、负半差和异质杠杆的引入都能够显著提高模型的期权定价能力,同时引入则模型定价能力总体最优;④引入已实现正、负半差对非深度实值超短期、短期看涨期权的定价性能改善最为明显,引入异质杠杆对非深度实值超短期、短期看跌期权的定价性能改善最为明显。         研究结论拓展了对50ETF期权定价的方法,肯定了在已实现波动率异质自回归伽马模型中引入已实现正、负半差和异质杠杆的重要价值,对于投资者进行有效的期权定价和交易以及监管机构进行有效的决策具有实际指导意义。     

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.     

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。     

“坏”跳跃、“好”跳跃与高频波动率预测

  准确的波动率预测对资产组合配置和风险管理有非常重要的意义,在当今大数据时代,充分利用股市高频数据预测股票波动率成为可能。         股市高频信息的一种应用是使用已实现方差和它的组成部分预测股票波动率。已实现方差可以拆分为已实现负半方差和已实现正半方差两个部分。由于已实现负半方差和已实现正半方差极限形式中包含的连续运动部分完全一致,所以它们的不同仅来源于它们跳跃部分的差异,但连续运动部分的存在是否会“稀释”股价跳跃对波动率所产生的影响,为此有必要进一步提取负跳跃和正跳跃。基于负跳跃变差和正跳跃变差,利用HAR模型研究两种不同方向的跳跃是否对波动率产生不对称影响,使用DM统计量和样本外 R²_OS,作为评判标准,考察这种区分跳跃方向的做法是否改进了对波动率的预测能力。         研究结果表明,①负跳跃对应未来波动率上升,正跳跃对应未来波动率下降。作为风险规避者的投资者厌恶风险和不确定性,意味着投资者厌恶未来波动率上升而偏好未来波动率下降。因此,将股价的负跳跃称为“坏”跳跃,将股价的正跳跃称为“好”跳跃。②“好”跳跃导致未来波动率下降,而连续运动部分的上升导致未来波动率上升,两者效应的总和是已实现正半方差对未来波动率的影响不显著;“坏”跳跃和连续运动部分的上升都导致未来波动率上升,两者效应的总和是已实现负半方差对未来波动率产生显著的正影响。③利用“坏”跳跃和“好”跳跃不但能够更好地拟合样本内的未来波动率,而且还能够明显地改善波动率的样本外预测能力。         研究结果支持日内收益率的正负符号信息在波动率预测领域有其价值,两种不同方向的跳跃对波动率产生不对称影响。在波动率预测实践中,利用“坏”跳跃和“好”跳跃能够改进对波动率的预测能力。     

波动预测建模与尾部风险测量方法

  作为中国资本市场的对冲工具,股指期货在2015年经历了一轮极端牛熊市。在股指异常波动阴影下,研究股指期货尾部风险的测量方法,对风险管理与资产配置具有理论意义和实践意义。传统风险测量方法通常利用低频波动率构建尾部风险VaR和ES估计量,但高频波动率比低频波动率蕴含更多信息且计算效率更高,利用高频波动率建立高效的尾部风险测量方法成为研究趋势。         基于条件极值理论和新型高频波动率,构建RV-EVT框架的股指期货尾部风险测量方法。阐述已实现波动率衍生的跳跃、好坏波动和符号跳跃理论;为提高波动率估计精度,利用已实现核修正CPR跳跃检验、好坏波动和符号跳跃;考虑跳跃、好坏波动和符号跳跃建立4组对数形式的HAR类波动预测模型。在极值理论框架中嵌入HAR类模型预测波动率,构建两步法的RV-EVT尾部风险测量方法;根据样本外滚动预测评估股指期货尾部风险测量水平,采用无条件覆盖和自枚举检验对VaR和ES进行回测分析。         研究结果表明,波动率的样本外滚动预测显示,HAR波动预测框架下好坏波动分解优于连续跳跃波动分解,好坏波动衍生出的正负符号跳跃具有极为突出的波动预测能力;回测分析检验结果显著,尾部超出数接近理论预期,表明RV-EVT尾部风险测量方法有效;HAR-RV-RS和HAR-RV-SJd模型的尾部风险测量表现最佳;ES模型比;VaR模型具有更优的尾部风险测量水平,特别是在高风险状态下ES模型能弥补VaR模型失控的缺陷;通过量化交易资金管理研究,揭示尾部风险测量方法的应用价值。         建立了高频波动率与风险管理的桥梁,为金融资产尾部风险度量提供了有效方法,对资产配置和风险控制具有借鉴意义。     

基于贝叶斯参数估计的期货市场交易成本、流动性与资产定价研究

 近年来交易成本和流动性对于股票资产的预期收益或定价影响受到学术界和业界的关注,期货市场的各种交易产生大量数据,这些数据中隐藏着重要的信息,但采用逐笔高频交易数据对期货市场交易成本、流动性和资产定价问题进行系统研究的比较少,对期货市场交易成本和流动性的内涵、特征、度量方法,以及交易成本和流动性在期货资产定价中的作用等问题有待深入探讨。        从序贯交易模型的视角,基于贝叶斯参数估计方法及逐笔高频交易数据和每日收盘价格数据测量期货市场的交易成本,对不同交易成本和流动性测量方法进行比较研究,探讨各种交易成本与流动性的相互关系,选出合适的流动性测量方法。同时,从逐笔高频交易数据存在报价离散化、价格聚集和非对称信息等方面对交易成本模型修正和扩展。将交易成本与真实收益率结合并考虑市场规模和周内效应的作用,构建期货市场资产定价模型,从中国期货市场选取不同品种的主力合约数据进行实证研究。        研究结果表明,基于贝叶斯参数估计和逐笔高频交易数据的交易成本的测量方法具有明显的优点,可以克服传统基于矩估计交易成本测量交易成本的不足,更适合用来作为流动性的代理变量。①订单对价格存在比较显著的冲击现象,这些冲击表明私人信息被包含在这些合约的交易里。②基于完整模型的交易成本更适合用来作为流动性的代理变量,与定义法的流行性成本估计值的相关系数更高,基于逐笔高频交易数据和完整模型的交易成本是最优的流动性的代理变量。③交易成本确实被包含在超额收益中,总体来说,交易成本对资产收益率的影响具有比较明显的周内效应。因此,流动性对投资期货的收益率有很大贡献,为了达到更高的收益,通常需要为获得好的流动性而付出更高的代价。        从序贯交易模型的视角,基于贝叶斯参数估计方法和逐笔高频交易数据测量期货市场的交易成本,有助于市场参与主体更好地认识和分析期货市场的交易成本、流动性和资产收益之间的关系,对市场监管机构有效评估市场质量、设计合理的期货市场交易制度、有效降低市场交易者的交易成本、增强期货市场流动性、提高市场运行效率具有一定的参考价值。     

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.     

基于时变波动率与混合对数正态分布的50ETF期权定价

经典B-S期权定价模型经历了从常数波动率、正态分布到时变波动率、非正态分布的发展历程。 对已有针对时变波动率期权定价模型效果的研究进行扩展,以时变波动率模型SSP对经典B-S期权定价公式的常数波动率进行修正,该随机条件波动率的构建充分反映了未来标的资产收益对其波动率的影响;运用广义学生t分布构建时变波动率调整后的B-S期权定价公式,并研究其风险中性概率分布形状,引入混合对数正态模型捕捉实际收益率分布相对于正态收益率分布的偏离;采用2015年2月9日、2月16日和2月25日的50ETF期权高频数据,应用严谨的参数显著性检验、样本内定价偏差和样本外预测偏差的模型选择比较标准,对提出的具有时变波动率的混合对数正态期权定价模型的定价精度进行分析。 研究结果表明,中国50ETF期权的标的资产高频收益率呈现出较为明显的有偏和尖峰厚尾分布,收益波动具有明显的聚集特征和长记忆性;采用时变波动率修正后的B-S模型能够显著提高对中国50ETF期权的定价精度;在综合考虑模型对标的资产价格变化动力学的刻画效果以及对期权的定价精确性后,具有时变波动性特征的混合对数正态模型是一个相对更为合理的期权定价模型。 研究结果不仅为投资者和监管机构提供了更为准确的期权定价方法,同时也丰富了有关中国50ETF期权典型统计特征的研究。     

基于银行债券视角对存款保险基本费率的测算

 存款保险制度可能引发道德风险问题，即促使参保银行主动承受更大的风险。因此，建立适合的存款保险制度需要从风险管理及反映风险的保险费用的确定等方面着手，其核心工作就是存款保险费率的厘定。        常见的存款保险定价方法包括单一费率法和差别费率法，基于风险设计存款保险费率结构的差别费率法能降低银行的道德风险。RONN和VERMA结合存款保险的差别费率法和复合期权定价思路，提出存款保险价值不仅与银行资产的风险和收益有关，还可以与银行股权资本状况和存款债务建立关系。借鉴RONN和VERMA的建模思路，利用存款债务与其他普通债务的相似性及期权对角价差组合技术，建立银行资产市场价值和银行资产隐含波动率与银行普通债券价值和债券收益率的波动率之间的联立非线性方程组。利用上市银行债券数据的可得性，采用数值方法对5家国有商业银行的风险中性违约概率和存款保险基本费率进行测算。在此基础上，结合Ronn-Verma模型，得到其他10家上市银行的存款保险费率。        研究结果表明，在其他情况相同的条件下，违约概率和存款保险费率均与银行债券收益率的波动率正相关，债券的价格信息能够反映一定的银行存款风险；此外，3类银行中以股份制银行的存款保险费率最高，城市商业银行次之，5家国有商业银行最低，后者略高于同期央行规定的基准费率。        中国正逐步实践隐性存款保险向显性存款保险的转变，研究结果为基于债券市值给存款保险定价提供借鉴。在充分考虑实际情况的基础上，相关部门应该从实施风险差别费率、建立风险评级体系、完善风险费率措施等角度入手，为实施合适的存款保险费率制度创造有利条件。     

引入联跳的中国股市协方差预测——基于多元HAR模型

 金融资产的时变协方差矩阵是投资组合配置、风险管理等实务活动的关键参数。早期的协方差预测模型研究使用日数据或者更低频数据,但大多存在参数估计困难和维数灾难等问题。        运用日内高频数据可以构建协方差矩阵的后验非参数估计量,使其从隐变量转变为可以直接建模的可观测变量,降低协方差模型估计的复杂性并增强模型的高维适用性。进一步的,利用高频数据还可以识别多个金融资产的价格在日内同一采样间隔内发生的跳跃,即多资产联跳。针对联跳多由宏观经济新闻公告和政策制度等的发布引起,这些信息终将被吸收并体现在协方差矩阵中,联跳可能蕴含着对协方差预测有益的信息,因此识别联跳并将其引入协方差预测模型。        将异质自回归模型扩展至多元形式,作为协方差非参数估计量的基准模型,并将取值0/1的联跳指示变量与Hawkes模型估计出的联跳强度分别及同时引入多元形式模型,构建3种扩展模型。选择均方误差和平均绝对误差这两种常用统计意义损失函数,采用Diebold Mariano检验,评价各扩展模型的样本外预测性能相对于基准模型是否有所改进,并采用模型置信集检验并挑选最佳扩展模型。此外,比较各种预测模型用于全局最小方差投资组合策略的效果。        基于上证50指数成分股中不同行业5只高流动性个股分钟高频价格数据进行实证,研究结果表明,①相对于联跳指示变量,联跳强度对协方差矩阵的预测有更显著的贡献;②引入联跳强度可以显著提升对协方差的拟合优度和样本外预测精度;③同时引入联跳强度和联跳指示变量,且采用矩阵对数变换,确保正定性的扩展多元形式模型在统计和经济意义上都是最优模型。        研究结论肯定了在协方差预测模型中引入联跳的重要价值,并揭示了宏观信息对协方差预测的贡献,对于金融管理者和投资者进行金融风险管理及进行资产配置都具有实际指导意义。     

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.     

信息视角下基于异质信念的股票波动性价值研究

 经典金融学理论通常将波动性视为构成股票流动性价值的因素之一,认为股票价格波动会为市场参与者带来风险,却鲜少将其作为独立的影响因素引入资产定价模型,关于波动在股票价格及收益行为中的作用可能具有风险和价值双重属性的研究尚不充分。        基于市场参与者异质性假设,区别价值型参与者和市场型参与者;基于信息视角,区别知情交易者和噪音交易者;运用无套利原理和期权博弈思想,建立信息视角下基于异质信念的股票波动性价值模型。采用最小二乘蒙特卡罗模拟和海萨尼转换对模型进行求解,分析信息不完全或不对称条件下,股票波动性价值的分布特征,讨论现金红利率水平、波动率水平、信息不对称程度和时间参数等对股票波动性价值的影响。        研究结果表明,决定股票波动性价值的首要因素是信息不对称程度,信息水平的差异能显著放大现金红利率、波动率、时间参数等对股票波动性价值的作用,提升股票波动性价值在股票价格构成中的贡献,甚至改变市场参与者的偏好和信念,实现其在市场型与价值型之间的转化。但不完全但对称的信息条件却只能对股票波动性价值起到抵减和干扰作用。此外,信息优势能使市场参与者对波动率水平的变化更加敏感,单位波动率水平变化导致的股票波动性价值变化更大;无论信息条件如何,股票波动性价值都随着现金红利率水平的提高而下降;无论波动表现为价值还是风险,股票波动性价值的绝对值都随时间参数的增大而增大。        研究结果从理论角度解释信息水平及其状态对股票价格行为的影响,分析了股票波动性价值的作用机制及表现形式,进一步完善了现代资产定价理论;实践中,不仅能为监管部门进一步完善制度建设、强化信息监管、规范上市公司信息披露行为等政策措施提供理论依据,还能帮助市场参与者深入认识股票价格的形成过程,了解市场的微观结构特征,进而提高投资决策效率,规避风险。     

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.     

异常波动停牌与价格发现效率

  异常波动停牌是证券市场常见的价格稳定机制之一。已有研究对异常波动停牌的实施效果没有得到一致结论,支持者认为投资者能利用停牌对信息进行重新认识和修订,促使形成新的均衡价格;反对者认为停牌阻碍了投资者把潜在需求转化为交易,进而导致复牌后更高的交易量和价格波动。在中国的异常波动停牌制度是否应该被取消的背景下,探究异常波动停牌制度对价格发现过程的影响,对进一步完善交易机制具有重要的理论意义。         采用理性预期框架,引入噪音交易风险和资产价值的不确定性区分异常波动的原因,探讨不同条件下实施停牌的市场出清过程。一方面,异常波动停牌有利于增加市场交易者数量,从而降低定价误差;另一方面,异常波动停牌会增加资产价值的不确定性,使定价误差增大。基于这一逻辑,构建一个包含出清时间间隔、知情交易者学习过程和信息摩擦的市场出清模型,分析异常波动停牌对价格发现效率和流动性风险的影响。         研究结果表明,①由于噪音交易风险较高、资产价值不确定性较小导致的异常波动停牌,虽然有利于降低流动性风险,但会降低价格发现效率;②由于资产价值不确定性的增加以及较低的噪音交易风险导致的异常波动停牌,虽然有利于提高价格发现效率,但增加了流动性风险;③同时满足噪音交易风险较高和资产价值不确定性增加导致的异常波动停牌,既有利于提高价格发现效率,又降低了流动性风险。总体来说,停牌实施效果的关键在于噪音交易风险和资产价值不确定性的大小,对于信息不对称程度较高的股票,停牌有利于提高价格发现效率;而对于噪音交易风险较高的股票,停牌有利于降低流动性风险。         研究结论对进一步完善交易制度和提升中国金融市场质量具有重要意义,在现实金融市场中,连续竞价市场不一定存在市场均衡,极端情况下会出现市场崩溃,因此异常波动停牌制度有一定的必要性。     

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。     

基于局部相关系数和截尾扭曲混合Copula的杠杆效应识别和度量

作为风险资产收益和波动之间关系的度量，杠杆效应是金融市场数据三大分布特征之一，在波动预测、资产定价和风险管理中起着重要作用。日内高频数据计算的已实现波动作为波动的代理变量，解决了波动不能观测的问题，实现了用波动和收益直接建模捕捉杠杆效应。深入了解收益和已实现波动的相关模式并以此构建二者的联合分布是正确度量杠杆效应的关键。本文以局部相关系数为工具研究收益和波动在不同取值范围内的相关性变化，实证研究结果表明，与负收益冲击引起波动增加一样，正收益冲击也会引起波动增加，这与传统杠杆效应理论并不一致，与Chen和Ghysels（2011）对美国股票市场的实证结果一致。为正确捕捉和度量实证结果反映出的杠杆效应，在扭曲混合Copula构造方法基础上，本文用截尾扭曲函数构造扭曲混合Copula，以此作为收益和已实现波动的联合分布，再现收益和已实现波动的局部相关性特征。以上证综指2013.1.29日至2017.4.30区间内日内1分钟高频数据为样本进行实证分析表明，本文构造的Copula函数具有和实际数据一致的局部相关特征，能够正确刻画市场表现出的杠杆效应。Copula拟合优度的非参数检验表明，实际数据不拒绝本文构造的Copula函数，而现有文献采用的单成分Copula函数和两成分混合Copula函数均被拒绝。本文为收益和已实现波动的联合建模提供参考，具有基础重要性。     

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。     

沪深300指数收益率及已实现波动联合建模研究

金融资产的收益率和波动率是金融资产投资和风险管理等应用中的重要决定因素。针对收益率的新息过程与波动率的新息过程之间可能存在相关性的实际情况,将已实现波动区分为连续波动和跳跃波动,对收益率、连续波动和跳跃波动联合建模并刻画各时间序列模型新息之间的相关性,给出联合模型的最大似然估计法,使用2005年4月8日至2011年5月23日沪深300指数5分钟高频数据进行实证。研究结果表明,收益率、连续波动和跳跃波动的新息之间存在统计显著的相关性,对各时间序列单独建模估计的传统方法存在本质缺陷,沪深300指数已实现波动的杠杆效应及周日效应主要来自连续波动分量。联合模型通过对新息之间相关关系的合理刻画,提高了参数估计的有效性。