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.     

深沪股市收益序列伪长记忆性分析

针对股市时间序列长记忆性的研究方法差异导致结论不同的问题,采用逐步分析的方法研究,结果表明:用经典方法分析股市收益时间序列所发现的长记忆性在控制条件异方差后减弱;用马尔可夫转换模型控制短期依赖和结构性变化后,长记忆性基本消失.说明众多学者对股市收益序列研究所得出的长记忆性,主要是由收益时间序列的短期相关和结构变化引起的,因此,对我国深沪股市而言,股市波动性对股市长记忆性具有一定影响,而结构性变化对股市收益变化的影响更为重要.     

上海股市波动性预测模型的实证比较

本文采用上证综合指数每日收盘价数据,应用常用的波动性预测模型预测上海股市的周波动性并比较其样本外预测效果.结果表明,尽管当采用不同的预测误差统计量作预测模型的预测精度的评价准则时,也会导致评价结果的排序不同,但从总体上来说,指数平滑模型对上海股市周波动性的预测效果还是优于其他模型;而相对比较复杂GARCH(1,1)模型对上海股市周波动性的预测效果并不佳.     

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.     

股指期货与现货市场波动关系研究

中国股市平缓发展阶段,一个新兴的股市元素被引入进了我国股票市场——股指期货。自2010年开始正式上市已有四年的时间,股指期货对股票市场的影响如何?本文通过设计GARCH模型来探索中国股票市场是否受到了股指期货引入而带来的冲击与影响。并且采用小波分析的方法分离出股票市场波动性的两大方向。分别独立分析时域和频域两种因素下的波动性之后,研究发现股指期货的推出之后股指期货(当月连续、下月连续、下季连续、隔季连续)的走势与原本的股票市场走势存在一些不同。     

基于SWARCH的VaR及压力测试值的一致性估计

风险值 (VaR) 与压力测试都是衡量金融资产价格波动风险的重要工具.为了考虑市场在不同状态下报酬率分布的结构性变化,引入波动性状态转移的ARCH(SWARCH)模型对波动性进行描述,使 VaR 与压力测试值能够在统一的样本数据和框架下得到一致性的估计.此外,SWARCH模型还同时考虑了金融市场波动性、波动性状态和状态概率的时变性,使 VaR 与压力测试值的估计具有很好的灵活性.以上海股市为样本进行了实证分析,验证了基于SWARCH模型能够得到 VaR 与压力测试值的一致性估计.     

基于ARCH的上证综指收益率波动性的特征分析

本文是在陈守东等人的研究基础上,将中国股票的发展时间(1990-2009)分为四个阶段,以上证综指为研究对象来研究其波动性。结果表明中国股市波动逐渐趋缓,市场逐步成熟。与前人结果不同的是:投资者并非一开始就处于风险偏好状态,而是由风险中立转为风险偏好,再到风险厌恶,最后又转为风险偏好型,最后这一转变正是由于世界性金融危机,以及大小非解禁等事实的存在。     

基于马尔可夫转换GARCH模型的上海股市风险研究

在本文中我们将马尔可夫转换模型与GARCH模型相结合来分析上海A股和B股市场的风险结构,实证研究发现上海A、B股市场的风险具有明显的状态转换特征,高风险状态和低风险状态在波动值和波动持续期方面存在着较大的差异,而我们的模型能够较好的捕捉到这种状态相依特征.因此马尔可夫转换GARCH模型较传统的GARCH模型能够更好地刻画上海股市的风险特征和景气状况.     

噪音交易、认知偏误与市场波动--基于一个状态可变经济

以世代交叠模型为基本框架,引入理性交易者与噪音交易者来考察股票市场的波动性.真实经济过程在两种状态之间转换,但由于噪音交易者存在认知偏误,他们对不同状态下的随机经济发生概率具有错误的主观信念,而且不同的信念也对期望方差有影响.在市场达到均衡时,根据不同状态的价格差发现首先,经济中的波动性均来自噪音交易者对真实经济的认知偏误,当市场只存在理性交易者时,市场均衡价格保持不变且与经济状态无关,也即市场不存在波动;其次,通过对模型进行的数值模拟可以发现,噪音交易者的认知偏误度、经济状态发生概率和各主体市场份额都对波动有不同影响,因此模型为资产的波动性提供了新的解释.还对进行经验检验的可行性进行了探讨.     

基于随机波动性模型的中国股市波动性估计

采用动态随机波动性模型实证研究了中国股票市场的波动性. 通过基于马尔可夫链蒙 特卡罗(MCMC) 模拟的贝叶斯分析方法,较好地估计了随机波动性模型中的参数与波动性序 列. 基于中国股市数据进行的实证结果表明,与ARCH 类模型相比,随机波动性模型能更好地 描述股票市场回报的异方差和波动性的序列相关性.     

行业特征、市场情绪与收益波动

从行为金融研究的视角,利用源自“上证”(SHSE)A股市场的样本数据,检验了行业特征、市场情绪与收益波动之间的关系。结果表明:在不同的行业特征下,具有类似的投资者行为和风险收益关系,而且均未达到弱式有效;尽管各行业板块之间的收益波动联动效应显著,但市场情绪对不同行业特征的收益波动影响仍有差异性。对管理的启示是,中国证券市场效率还有待进一步提高,利用市场情绪套利时应考虑行业特征。     

基于GARCH模型和SV模型的VaR 比较

简单介绍了VaR 的含义及计算方法,指出推测市场因子的波动情况是计算VaR 的关 键. 通过对比GARCH 和SV 模型,得出SV 模型更能刻画金融市场的实际特征. 将随机波动SV 模型应用于VaR 的计算,最后作实证研究. 通过与GARCH 模型下的结果对比,说明基于SV 模 型计算的VaR 更具有动态性和准确性,VaR 更贴切地反映了金融市场的风险水平     

基于GARCH模型和SV模型的VaR 比较

简单介绍了VaR的含义及计算方法,指出推测市场因子的波动情况是计算VaR的关键.通过对比GARCH和SV模型,得出SV模型更能刻画金融市场的实际特征.将随机波动SV模型应用于VaR的计算,最后作实证研究.通过与GARCH模型下的结果对比,说明基于SV模型计算的VaR更具有动态性和准确性,VaR更贴切地反映了金融市场的风险水平.     

基于波动择时绩效的高维波动率估计量与预测模型研究

对协方差矩阵高频估计量和预测模型的选择，共同影响协方差的预测效果，从而影响波动择时投资组合策略的绩效。资产维数很高时，协方差矩阵高频估计量的构建会因非同步交易而丢弃大量数据，降低信息利用效率。鉴于此，将可以充分利用资产日内价格信息的KEM估计量用于估计中国股市资产的高维协方差矩阵，并与两种常用协方差矩阵估计量进行比较。进一步地，将三种估计量分别用于多元异质自回归模型、指数加权移动平均模型以及短、中、长期移动平均模型进行样本外预测，并比较在三种基于风险的投资组合策略下的经济效益。采用上证50指数中20只不同流动性成份股逐笔高频数据的实证研究发现：（1）无论是在市场平稳时期还是市场剧烈震荡期，长期移动平均模型都是高维协方差估计量预测建模的最优选择，在应用于各种波动择时策略时都可以实现最低成本和最高收益。（2）在市场平稳时期，KEM估计量是高维协方差估计的最优选择，应用于各种波动择时策略时基本都可以实现最低成本和最高收益；在市场剧烈震荡期，使用KEM估计量进行波动择时仍然可以在成本方面保持优势，但在收益上并不占优。（3）无论是在市场平稳时期还是市场剧烈震荡期，最低的成本都是在采用等风险贡献投资组合时实现的，而最高的收益则都是在采用最小方差投资组合时实现的。研究不仅首次检验了KEM估计量在常用波动择时策略中的适用性，而且首次实证了实现最为简单的长期移动平均模型在高维协方差矩阵预测中的优越性，对投资决策和风险管理等实务应用都具有重要意义。     

股市波动的杠杆效应检验:一种新的方法

股市波动的非对称性特征一直是金融研究中关注的焦点问题。本文首次构建了一个非平衡似无关波动模型,从个股角度对波动的非对称性进行检验。通过与综合指数的对比研究,本文揭示了市场因素对波动非对称性的影响。实证结果表明,我国深证成份指数波动存在杠杆效应,而成份股波动却表现出反向杠杆效应。市场同时存在的共同因素和异质因素,是导致成份股波动和成份指数波动表现不一致的原因。进一步的研究结果表明,在消除共同因素影响后,成份股波动的反向杠杆效应会表现更明显。     

中国股市总流动性与资产定价关系实证研究

我们建立了一个包含市场风险和两种流动性风险的三因素资产定价模型,研究中国股市总的市场流动性风险是否在资产定价中得到了反映,其中流动性风险包括用协方差度量的市场收益对总流动性的敏感性风险和用方差度量的总流动性的波动性风险。研究结果表明,中国股市不仅存在显著的市场风险溢价,而且存在显著的流动性风险溢价,而流动性风险中市场收益对总流动性的敏感性风险对资产定价的影响更为显著。     

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。     

股票收益波动与Beta系数的时变性

本文利用扩展的S-S模型,对上海股市2000年间的日收益数据进行实证分析,以进一步探讨小公司股票、大公司股票收益波动和市场波动之间的关系。研究结果发现,在市场波动加剧时大公司股票与小公司股票的反应是不同的,小公司的系统风险更易于增大。因此在进行事件研究时,必须考虑到Beta系数的时变性。     

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.