中国股票市场波动性与交易量关系的实证分析

本文运用GARCH-M模型实证检验了中国股票市场波动性与交易量之间的关系.与其他人的研究结论一致,中国股票市场波动性与交易量存在正相关关系.我们将交易量分解为预期交易量和非预期交易量进行检验表明,非预期交易量对股市波动的解释能力要比预期交易量的解释能力更重要,即中国股票市场的短期波动主要由非预期交易量所隐含的新信息的冲击产生的.另外,中国股票市场符合国际上研究量价关系的混合分布假说(MDH)理论,交易量所替代的信息流是引起股市波动的根源.     

基于GARCH族模型的上证综合指数波动性分析

本文选取上证综合指数2005年1月4日—2010年9月30日的日收盘数据为样本,使用GARCH模型族对此时间段内上海股票市场的波动性进行了实证分析。结论表明了杠杆效应的存在,即利空消息对股价波动性的影响要大于利好消息;同时,上海证券市场的波动性具有一定的持久性。     

我国沪深300收益的波动性分析——基于ARCH模型

在经济增长日益加速的形势下,股票市场在我国也显得越来越重要。股票市场运行的好坏可以明确反映出社会的金融和经济运行情况。本文通过对核心指数沪深300指数收益的波动性分析,基于ARCH模型的建立对沪深股市的现状做出了相应的理解。通过拟合ARCH模型的结果,可以从中看到沪深股市的运行特点并由此引出对我国现行股票市场的思考。我们必须认识到中国现有股票市场的不足和需要改进的地方,采取相应措施完善股票经济市场促进我国经济健康持续地增长。     

股指期货交易加剧了中国股票市场波动性吗？——基于投资者结构的理论和实证研究

股指期货交易的推出将改变股票市场投资者结构和投资者交易行为,进而对股票市场波动性产生影响。本文首先在假设股票市场存在股指期货交易的条件下,构建理论模型揭示投资者结构和股指期货交易对股票市场波动性的影响机理,并据此对中国股票市场在沪深300股指期货推出后的波动性变化进行理论预测;然后以2007-2016年期间的沪深300指数和投资者结构数据为样本,运用GARCH类模型对理论模型预测结果进行实证检验。研究发现,在股票市场存在股指期货交易的条件下,机构投资者比例和一般机构投资者比例对股票市场波动性的影响随机构投资者与个人投资者所占市场份额的比例关系不同而呈现出不同的特征;套利交易者比例增加、投机交易者比例减少都将降低股票市场波动性;沪深300股指期货推出显著降低了中国股票市场波动性,机构投资者比例增加将强化沪深300股指期货交易对中国股票市场波动性的减弱效应;中国证券监管部门可以通过鼓励股指期货产品开发和完善股指期货交易制度强化中国股票市场稳定性。     

基于新闻文本数据的我国股市波动性测度及其应用北大核心

本文基于对我国报纸新闻的文本大数据分析,构建了 一个能较好测量中国股票市场波动性的新闻指数(CEMV),并进一步利用我国2005年1月—2020年10月的宏观经济数据,通过建立结构向量自回归(SVAR)模型,实证研究了我国政策性新闻驱动下的证券市场波动对宏观经济及资产价格的影响.研究发现:(1)CEMV指数峰值的出现与我国证券市场历次较大的波动相关,同时CEMV对股票市场指数已实现波动率有显著的解释能力.(2)本文进一步构建了货币政策、财政政策、贸易政策、汇率政策4类特定政策类别的CEMV指数,发现对于不同金融事件的冲击,各指数的反应有所差异.(3)政策性新闻驱动下的证券市场波动冲击会对产出增速、价格水平、股票市场收益率产生短期负面影响,对货币供应增速产生总体正向影响,并且加剧了投资者情绪的短期波动.     

股票期权对股票市场的波动性分析:基于agent的计算实验金融仿真角度

在SFI-ASM模型的基础上,按照学习速度和风险偏好程度构建了异质agent股票市场模型,引入了随机交易者以及随机交易者信心变量等.交易者的异质化使得股票市场脱离了原先的预期均衡市场的理性状态,市场的波动性变大,收益率的分布也更趋向现实市场.在上述模型的基础上,引入期权交易市场,试验结果表明,期权交易会为股票市场带来更大的波动,不同的期权交易策略和不同类型的投资者对股票市场的影响也明显不同.     

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SV-GED模型的极值风险度量研究

把GED分布引入SV模型,构建SV-GED模型,然后与极值理论相结合拟合标准残差的尾部分布,进而建立一种新的金融风险度量模型——基于EVT-SV-GED的动态VaR模型,并通过沪深300指数和恒生指数的每日收盘价进行实证分析,研究显示:EVT-SV-GED模型能有效刻画中国股票市场的波动性特征,并且能够既有效又合理的度量金融市场风险。     

中国股票市场理性与非理性羊群行为实证研究

传统股票市场羊群行为检验方法的缺陷使现有的实证研究主要集中于离散状态市场羊群行为的存在性检验。根据资产定价模型因子载荷横截面离散度检验羊群行为的方法原理，结合基于产业与资本市场的资本资产定价模型，提出了股票市场理性与非理性羊群行为检验方法，并应用于中国股票市场羊群行为实证检验，直观地显现了中国股市羊群行为的动态演变特征，将股票市场羊群行为强弱转变与市场走势有机的结合起来。     

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．     

偏正态随机波动模型及其实证检验

首先构建了有杠杆效应的随机波动模型(SV-L),证明了其波动随机项的条件分布为两个偏正态分布,由此称该模型为偏正态随机波动模型(SV-SN).接下来讨论了SV-SN模型的经济含义以及对应随机波动项的统计特征.最后利用沪深两市的指数收益数据对模型进行了实证研究,其结论为:相对于一般的SV模型,SV-SN模型的拟合效果更好;新息具有减弱后期波动之效应;与理论预期一致,单位负新息比单位正新息引致的波动要大.     

股市波动率的短期预测模型和预测精度评价

基于幂转换以及不设定扰动项的具体相关结构和分布形式,构建了半参数的短期预测模型来预测中国股市的波动率.模型采用基于极值估计量的两阶段估计法进行估计,估计方法的小样本性质表现良好.此外,还通过具有Bootstrap特性的SPA检验实证比较了新模型与其他6种预测模型的预测精度.实证结果表明,在各种损失函数下,半参数短期预测...     

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.     

基于Hawkes过程中美股市大幅波动互激效应的研究

近年来,由于中美经济联系日趋紧密,中美股票市场大幅波动的互激效应明显增强。本文考虑中美股市时差和法定节假日差异等因素,运用标值Hawkes过程对2006-2017年CSI300和S&P500大幅波动收益率数据进行建模,结果表明：（1）中美股市大幅波动互激效应存在不对称性,美股市场大幅波动对中国股市的互激效应更强;（2）中美股市大幅波动的幅度对互激效应不存在显著影响;（3）中美股票市场对于大幅波动互激效应的消化速度存在差异,中国股票市场消化美股大幅波动互激效应的速度较快。本研究对金融市场监管者和投资者均有一定意义。     

金融市场间波动溢出效应研究——GC-MSV模型及其应用

在资本自由流动、信息充分的背景下,金融市场之间受相同宏观经济因素的影响,往往会表现出协同变化的特征,外汇市场和股票市场间波动溢出效应一直是经济金融界研究的热点。随机波动模型是随机微分方程的离散化表示形式,其通过一个不可观测的随机过程来描述金融时间序列的波动特征,更适合于金融领域的实际研究。本文引入GC-MSV模型对我国汇改后汇市与股市间的波动溢出效应进行研究。实证结果表明,整体上汇市与股市间存在负相关的动态价格溢出效应;在人民币持续升值阶段和持续震荡阶段均存在不对称的波动溢出效应,且随时间推移波动溢出效应有所减弱。     

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.     

基于状态空间的贝叶斯跳跃厚尾金融随机波动模型研究

针对金融市场中跳跃特征的刻画问题,提出了贝叶斯跳跃厚尾随机波动模型。通过随机波动模型的结构分析和状态空间转换,设计了模型参数估计的MCMC算法,利用Kalman滤波和高斯模拟平滑方法估计模型的潜在波动,运用贝叶斯因子对随机波动类模型进行比较分析,并利用中国和美国的股市收益数据进行实证分析。研究结果表明:在刻画中、美两国股票市场的波动特征方面,跳跃厚尾随机波动模型要明显优于厚尾随机波动模型和标准随机波动模型,并且金融危机背景下的中国和美国股票市场都具有明显的波动持续性以及跳跃特征。     

基于四次幂差修正HAR模型的股指期货波动率预测

股指期货波动率建模与预测是揭示其波动运行规律和市场风险是重要途径。本文基于跳跃、好坏波动率与符号跳跃建立四组HAR模型,提出单级纠偏HARQ类模型和多级纠偏HARQF类模型,实证研究揭示股指期货波动运行规律,并采用MCS检验来评估模型优劣。HAR建模考察连续与跳跃波动、好与坏波动率的两种已实现波动分解。为了降低波动率估计偏差,基于最小化MSE准则确定最优抽样频率,利用已实现核修正的ADS检测法识别跳跃,采用已实现核估计修正好坏波动率与符号跳跃。基于沪深300股指期货的实证研究表明：连续波动比跳跃波动对未来已实现波动贡献更大;好坏波动率具有不对称波动冲击,而符号跳跃对未来波动具有负向冲击;好坏波动率分解优于连续与跳跃波动分解;中位数已实现四次幂差能够显著提升HAR类模型的样本内外预测能力;与样本内预测相反,样本外预测中单级纠偏HARQ类模型优于多级纠偏HARQF类模型;MCS检验得出HARQ-RV-SJ模型表现最佳。研究结论与启示对认识股指期货波动规律和市场风险具有意义。     

基于个人投资者过度自信的中国股票市场定价模型

根据中国股票市场的实际情况,在假设个人投资者过度自信、风险厌恶、且是市场上的价格接受者的条件下,建立数学模型、从理论上研究个人投资者过度自信对中国股票市场定价的影响机理.研究结果表明:个人投资者过度自信程度提高将增大股票市场价格波动性和预期价格、降低股票市场价格质量和个人投资者的总体投资收益;个人投资者风险厌恶程度提高和股票平均供给量增加将降低股票市场预期价格和增加个人投资者总体投资收益.论文研究结果可以在一定程度上合理地解释中国股票市场存在的暴涨暴跌现象、相对于发达国家和地区股票市场的高溢价现象、严重偏离于中国经济发展基本面的高波动现象以及个人投资者总体投资收益比较低的现象.     

基于贝叶斯因子模型金融高频波动率预测研究

构建了包含时变系数和动态方差的贝叶斯HAR潜在因子模型(DMA(DMS)-FAHAR),并对我国金融期货(主要是股指期货和国债期货)的高频已实现波动率进行预测.通过构建贝叶斯动态潜在因子模型提取包含波动率变量、跳跃变量和考虑杠杆效应的符号跳跃变量等预测变量的重要信息.同时,在模型中加入了投机活动变量,以考察市场投机活动对中国金融期货市场波动率预测的影响.预测结果表明,时变贝叶斯潜在因子模型在所有参与比较的预测模型当中具有最优的短期、中期和长期预测效果.同时,具有时变参数和时变预测变量的贝叶斯HAR族模型在很大程度上提高了固定参数HAR族模型的预测能力.在股指期货和国债期货的预测模型中加入投机活动变量可以获得更好的预测效果.