我国银行问债券回购利率的分类信息混合分布EGARCH模型研究

本文提出了银行间债券回购利率的分类信息混合分布EGARcH模型,将对数交易量分解为进入市场的"正冲击"和"负冲击"两部分,作为分类信息流的代理,加入EGARcH模型的方差方程中,考察"正冲击"和"负冲击"对银行间债券回购利率的影响.结果表明,分类交易量能够解释分类信息引起的利率波动的不同效果.     

基于“已实现”波动率ARFI模型和CAViaR模型的VaR预测比较研究

高频金融数据在风险价值VaR度量和预测方面的价值已经引起了学术界和业界的广泛兴趣。计算和预测VaR的方法广义上可以分为两大类:间接法和直接法,在有了高频数据后,两类方法均可行,尤其是由于高频数据导出的"已实现"波动率的出现,使得间接法有明显改进。本文将从间接法中选取基于"已实现"波动率的ARFI模型与从直接法中选取的两个CAViaR模型进行比较,采用沪深300、上证指数、深证成指的5分钟高频数据,根据多种在评价VaR预测模型表现时广泛使用的后验测试,对各模型进行实证检验,结果表明基于CAViaR模型的预测表现优于基于"已实现"波动率的ARFI模型,这对风险管理从业者有一定的参考意义。     

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。     

上证指数高频数据的多重分形错觉

以上证指数5分钟取样的高频数据为例,采用配分函数法对每一交易日的数据进行多重分形分析,发现质量指数τ(q)为线性函数.用统计自举生成随机时间序列以深入剖析多重分形谱f(α),发现约有51%的交易日,其多重分形特性无法通过显著性检验.进一步分析发现,所有真实时间序列的奇异性强度与随机序列的奇异性强度相差无几,因而完全可以用后者加以解释.因此,上证指数本身并不具多重分形特性.     

股票市场价值函数实证研究

价值函数是前景理论的核心组成部分,用以刻画决策者对于收益和损失的主观感受.以前对前景理论的实证研究基本上通过心理学实验来进行,而且是针对决策者个体进行的.本文以股票市场整体为对象,采用EGARCH模型提取到达市场上的信息流作为财富改变的代理变量,利用两阶段幂函数型作为价值函数的表现形式,对十个国家股票市场上综合指数的日收益率数据进行了实证研究.实证结果发现各国股票市场上价值函数均呈现反S形状的,与多数心理实验中个体决策者表现价值函数呈S形状迥然有别.     

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.     

基于GARCH族模型股指期货的波动性研究

本文分别用最具有代表性的3类广义自回归条件异方差模型：GARCH、TGARCH、EGARCH,在正态分布、t分布和GED分布假设下,分析了与我国沪深300股指期货相仿的新华富时A50指数期货,结果表明基于广义误差分布下的EGARCH模型拟合效果最优,同时也表明新华富时A50股指期货具有较强不对称效应,等量利空信息是利好信息冲击的3-4倍。     

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。     

上海银行间同业拆放市场杠杆效应——基于GARCH族模型的比较研究

构建ARMA-GARCH族模型,对SHIBOR杠杆效应进行实证研究,并基于损失函数对模型拟合效果进行评价。结果表明:同业拆放利差波动具有正的杠杆效应,GED分布较T分布更好拟合拆放利差序列"尖峰厚尾"特征;当赋予偏低预测和偏高预测等权重时,TGARCH、EGARCH、PARCH模型预测效果无显著区别,当赋予偏低预测较大权重时,TGARCH模型预测效果最好。     

基于代价敏感决策树的客户价值细分(英文)

由于错误分类代价差异和不同价值客户数量的不平衡分布,基于总体准确率的数据挖掘方法不能体现由于客户价值不同对分类效果带来的影响.为了解决错误分类不平衡的数据分类问题,利用代价敏感学习技术扩展现有决策树模型,将这一方法应用在客户价值细分,建立基于客户价值的错分代价矩阵,以分类代价最小化作为决策树分支的标准,建立分类的期望损失函数作为分类效果的评价标准,采用中国某银行的信用卡客户数据进行实验.实验结果表明,与传统决策树方法相比,代价敏感决策树对客户价值细分问题有更好的分类效果,可以更精确地控制代价敏感性和不同种分类错误的分布,降低总体的错误分类代价,使模型能更准确反映分类的代价,有效识别客户价值     

媒体热议度能有效降低股价暴跌风险吗？——基于公司透明度调节作用的研究

互联网新闻集快速、真实、海量信息等特征于一身,成为证券市场不可或缺的监督力量。互联网新闻有助于深度挖掘上市公司隐藏的内幕消息,避免不利消息在公司持续囤积带来的股价暴跌。基此,研究选取2014-2017年优矿平台证券关联新闻信息构建媒体热议度指标,探究媒体热议度对公司未来股价暴跌风险的影响,同时考察了公司透明度的调节作用。研究发现,上市公司的媒体热议度越高,未来面临的股价暴跌风险越小。在透明度低（国有企业、机构持股比例低和财务报告透明度低）的企业中,媒体热议度对股价暴跌风险的抑制作用更强。这表明,在证券市场监督机制日益健全的进程中,应正确引导各类财经新闻的报道,有效发挥新闻媒体的监督作用,降低股价暴跌风险,保护投资者权益。     

大众媒体与新媒体信息传递对中国股市收益波动的影响

基于异质投资者框架对大众媒体新闻、新媒体新闻与中国股市收益波动的影响进行探究,研究结果发现：（1）平均看来,新媒体新闻、大众媒体新闻与收益波动都变现为显著的正相关关系,且新媒体新闻与收益波动的平均相关性大于大众媒体新闻与收益波动的平均相关性。（2）具有高前期收益,高账面市值比,高机构投资者持股比例与高换手率这样的能引起媒体关注的特征的公司,其收益波动与新媒体新闻的相关性大于与大众媒体新闻相关系的概率更大。（3）对于小市值与年轻的公司,信息不确定程度高,新媒体新闻与其收益波动的相关性更可能大于大众媒体新闻与其收益波动的相关性。这一结果可以归因于新媒体新闻丰富了投资者的信息环境,更能影响投资者的异质信念水平。     

不同交易量股票价格的信息调整速度差异研究

本文以交易量为划分标准,对不同交易量股票价格对信息的调整速度差异进行实证研究:首先将信息划分为公共信息和公司特有信息,发现高交易量股票对两者的调整速度均大于低交易量股票,但对后者的调整速度差异受公司规模因素影响。随后,本文进一步将公共信息细分为好消息和坏消息,发现与国际成熟市场不同的是,无论对好消息还是坏消息,高交易量股票的调整速度均显著高于低交易量股票。     

利率调整对我国股市不同状态波动性的影响

基于马尔可夫结构转换模型研究利率调整对我国股市在不同波动状态情况下波动性的影响,特别在2014年~2015年沪市波动为上涨和下跌状态下的影响.考虑股市波动存在结构转换及杠杆效应,选用马尔可夫结构转换EGARCH(RS-EGARCH)模型对上证综指进行收益和波动率建模.结果显示沪市在上涨状态利好消息与同等程度利空消息冲击具有相同影响;在下跌状态利空消息冲击比利好消息的影响更大,这异于通常的杠杆效应.通过在RS-EGARCH模型均值和波动率方程中引入虚拟变量研究自2012年时隔两年后首次利率调整对沪市波动性的影响,研究发现利率下调在沪市上涨状态显著增加了收益率和波动率;而在下跌状态收益率显著降低.但通过对比研究,在2006年的利率调整对于2006年~2008年期间沪市上涨和下跌状态的波动性没有显著影响.     

基于信息非对称模型的交易行为与波动性关系研究——交易规模和交易频率

本文基于信息非对称模型研究了上海股市的交易行为与股价波动的关系.实证研究发现:平均每笔交易量比交易频率包含更多的波动性持续信息,对波动性具有更好的解释能力,而且不同规模的交易对波动性冲击不同,其中最大笔交易对波动性的冲击最大.上述结果表明,我国股市中的量价关系是与信息非对称模型一致,而私有信息交易(大笔交易)可能是我国股市中个股过度波动的主要原因之一.     

弹簧振子理论及对上海股市的实证研究

有效市场假说隐含了一个重要的假设前提:市场是如此有效,以至于任何新发生的信息事件,都能在瞬间传播到市场的各个角落,并且市场在同一瞬间就能对该信息做出理性、“正确”的反应,使证券价格在信息事件发生后立即达到了新的均衡.这个假设在现实的资本市场中是根本不存在的,因为信息的传播和市场对信息的反应都要有个过程.为了对有效市场假说进行改进,也便于对证券市场效率进行数量化度量,提出了弹簧振子理论,该理论将有效市场理论框架下的随机游走模型的检验由一阶深化到二阶;在弹簧振子理论下,可以用同一个方程统一表述弱有效市场和次强有效市场的证券价格波动,而且可更好地解释股市中的“过度反应”、“不足反应”等现象,以及在无信息情况下股市突然出现的“井喷”和“崩盘”现象.     

锚定比率可以衡量股价高估吗？——基于崩盘风险视角的经验证据

股价高估指的是公司市场价值超出其内在价值的现象,但如何衡量内在价值一直存在争议。借鉴行为金融文献中锚定效应的概念,结合中国资本市场的特殊性,本文提出了锚定比率(简称"RPR")这一新的股价高估指标。为了证实该指标的有效性,本文利用事后的股价崩盘风险进行了相关检验。结果表明:第一,锚定比率与股价崩盘风险正相关;第二,更少的分析师跟踪、更多的散户持股以及更高的股票流动性均会强化锚定比率对股价崩盘风险的影响;第三,在控制常用的股价高估指标、两类代理问题和管理层"捂盘"行为后,本文的结果依然成立;第四,利用崩盘事件,本文证实了锚定比率会加剧股价下跌的程度,且长期来看股价会保持"惯性"而非"反转"。本文的研究表明投资者做决策时对股价高点存在明显的锚定效应,丰富了锚定效应在中国资本市场中的运用。更重要的是,本文提出了一个可能更适合于中国资本市场的股价高估指标,该指标意味着资本市场定价机制的不完善是导致股价高估和频繁崩盘的重要原因,这对于改善资本市场定价效率、降低股价崩盘风险有一定的启示作用。     

基于误差校正的灰色神经网络股票收益率预测

在股票市场中,准确的股票收益率预测是市场交易各方共同关心的重要问题。由于影响股票市场的因素十分复杂,仅靠建立单一的股票收益率预测模型来提高预测精度是非常困难的。本文对当前股票收益率预测方法存在的不足进行了阐述,并提出了以误差校正来提高股票收益率预测精度的新思路。首先,利用训练样本构建灰色神经网络模型,然后对股票收益率进行初步预测;其次,引入EGRACH模型来挖掘和分析预测误差序列的内部信息,并对该序列后续点进行预测;最后,利用误差预测结果对股票收益率的初始预测值进行校正。文章以上证综合指数数据为例进行分析,结果显示,与校正前的预测精度相比,校正后的预测精度提高了9.3%,表明EGRACH的误差校正过程是有效的,也验证了该方法的可行性。