生存分析与股指涨跌的概率推断

通过研究上证指数连涨连跌的收益率,发现其服从伽玛分布,并且可得出股指涨跌的条件概率,以及极值时的情况,进一步研究了成交量的影响,从而说明了技术分析特别是价量分析为何在实际中仍然被广泛运用.可认为随机游动假说是一种粗糙的近似,本研究也有助于加深对市场有效性理论的认识.     

沪深300指数跳的逐点检验及动态分析

作为金融衍生产品标的,沪深300指数是否存在跳以及跳服从怎样的动态规律对资产定价和风险管理都十分重要。本文提出新的时点方差估计方法,构造渐进性质更好的跳检验统计量,以此对沪深300指数5分钟数据进行时点跳检验,在此基础上对跳的动态变化进行分析。实证结果表明,沪深300指数存在跳,跳发生次数服从Poisson过程,但跳发生概率随时间变化,具有时变性;跳幅分布具有厚尾性并向右偏斜,分布随时间发生变化,不服从同分布假设。本文的研究结果为相关研究提供了基础性实证结论。     

中国沪深股市结构性波动的政策性影响因素

本文利用划分均值和方差变点的迭代累积平方和算法(ICSS:MV)对上证综指和深证成指1996年12月16日至2010年12月31日的日收益率序列进行结构变点的检验,通过将结构变点与重大事件对应选取影响沪深股市结构性波动的政策性事件,并根据选取的事件将样本区间分成13个子区间。为了避免参数模型中模型误设的缺陷,利用非参数GARCH模型估计样本区间的波动率;最后利用N-W核回归估计对非参数GARCH估计的波动率与收益率进行回归,分析股市结构性波动产生的政策性影响因素。通过分析发现央行调整存贷款基准利率和存款准备金率、国有股的减持、允许保险公司等机构投资者买卖证券投资基金、调整印花税等政策性因素是造成我国股市变结构波动的重要原因。     

中国股市是宏观经济的晴雨表吗?——基于马氏域变模型的研究

本文运用马氏域变向量自回归模型研究我国宏观经济因素变动对股市的影响。宏观因素选取了工业增加值、消费、出口、通胀率、广义货币增速、利率以及人民币兑美元的实际汇率以反映实体经济增长和货币政策变动。本文首先利用马氏域变模型对所选变量不同时期所处状态进行识别,进而分析了各宏观经济变量周期与股市周期之间的关系;在此基础上,对各序列绝对离差建立马氏域变向量自回归模型,并利用其冲击响应函数研究各宏观经济因素波动对我国股市的影响。研究发现,A股收益率和各宏观经济变量变动都具有明显的非线性;在大多数时间里实体经济变动和股市波动保持了较好的协同性,股市周期略领先于实体经济周期;M2的快速增长往往伴随着股市的大幅上涨,但股市大幅上涨阶段并不与M2的快速增长相伴;利率调节对股市周期有显著的负向影响;通货膨胀对股市收益率影响显著;实际汇率变化周期与股市收益率周期相协同。     

基于二叉树期权模型的企业兼并价格确定的博弈分析

虽有研究对兼并标的资产价值服从连续随机分布情形下交易价格确定问题进行了讨论,但对离散随机分布情形下交易价格确定问题的讨论不够深入,这就不仅仅使得研究与实践相互脱节,更降低了研究对现实的解释力。现在对一类标的资产价值服从二叉树离散分布情形下交易价格问题进行研究,运用实物期权理论和博弈论的研究方法对标的价值评估与交易价格确定分别进行了讨论。研究运用中心极限定理分析了标的资产价值呈现二叉树特征,并且存在无限次上涨与下降状态情形下实物期权的极限分布。然后在对著名的Rubinstein讨价还价定理进行改进的基础上,给出了离散二叉树分布情形下的标的资产交易价格确定的解析表达式。最后,通过数值仿真揭示不同参数变化所引起的交易价格变化趋势,从而进一步说明模型的合理性和对现实的解释力。     

上海证券市场流动性模式的研究

本文运用高频数据对上海股票市场流动性的日内和周内变化模式进行了实证研究,同时从市场微观结构理论出发分析了这种流动性模式的形成原因。在此基础上,建立了回归模型,实证研究了影响上海股市流动性的影响因素,结果表明上海股市流动性确实存在着明显的周内和日内变化模式,从而揭示了我国股票市场在流动性方面的微观结构特征。     

基于变位置参数贝叶斯预测银行内部欺诈研究

内部欺诈事件类型是中国商业银行最严重的操作风险类型。但由于操作风险本质特征和中国商业银行内部欺诈损失数据收集年度较短,数据匮乏,为了在小样本数据下进行更准确的度量,本文采用贝叶斯后验预测分布方法,其中,假设损失频率服从泊松-伽马分布,而损失强度服从广义帕累托-混合伽马分布,分析后验分布的形式。由于在广义帕累托分布的参数估计中,位置参数的确定对估计结果的影响很大,因此,本文采用变位置参数线性趋势的贝叶斯分析以增强参数预测稳定性,降低位置参数选择对结果产生的影响,获得中国商业银行内部欺诈损失频率和损失强度的后验预测分布和边际分布,进而采用蒙特卡罗模拟,联合损失频率分布和损失强度的预测分布获得内部欺诈的风险联合分布。与传统Poisson-GPD极值分析法相比,在险值和预期超额损失明显降低,有利于银行降低内部欺诈操作风险资本。利用贝叶斯分析获得的后验分布可以作为未来的先验分布,有利于在较小样本下获得较真实的参数估计。     

马尔可夫链在股市分析中的应用

本文运用随机过程中的马尔可夫链理论模拟股市运行规律,并以此对我国股票市场中的个股进行实证分析,结果显示:用马尔可夫链理论预测股市是有效的.     

交易量持续期的模型选择：密度预测方法

运用密度预测方法,考虑残差项分别服从威布尔、伽玛和极值分布情况下,选取在上海证券交易所上市的浦发银行和G中海两支股票的高频交易数据,对拟合交易量持续期的对数自回归条件持续期(LOG-ACD)模型、随机条件持续期(SCD)模型和马尔科夫转换自回归条件持续期(MSACD)模型进行了评价比较研究。研究表明,绝大部分模型捕捉到了交易量持续期的聚集性特征;MSACD模型无论在模型样本内拟合还是模型样本外预测方面,均优于LOG-ACD模型和SCD模型。     

基于生存分析模型的中美两国股市比较研究

本文首次运用生存分析方法对道琼斯工业价格指数进行研究,研究发现道琼斯工业指数的连涨连跌收益率服从Gamma分布,并且在牛市和熊市中,Gamma函数的两个参数是不同的。最后对上证指数和道琼斯工业指数的连涨连跌收益率进行对比分析,发现道琼斯工业指数比上证指数运行更加平稳。     

基于动态风险乘数调整的CPPI和TIPP策略研究

本文引入一个动态风险乘数调整因子,对CPPI和TIPP的风险乘数m进行动态调整,提出一种新的基于动态风险乘数调整的CPPI(D-CPPI)和TIPP(D-TIPP)策略,其中m由固定乘数变为随股价变动的动态乘数。在股价上涨时,动态乘数调整因子随之上涨,当股价下跌时,动态乘数调整因子随之下跌,由此起到股价上涨时扩大参与获利,股价下跌时更好的进行向下保护的目的。结合我国股市的实际数据,分析不同行情和不同影响因素下动态风险乘数调整的CPPI(D-CPPI)和TIPP(D-TIPP)策略的执行绩效,并与传统的CPPI和TIPP策略比较,结果显示基于动态风险乘数调整的CPPI(D-CPPI)和TIPP(D-TIPP)策略总体优于传统的CPPI和TIPP策略。     

投资者情绪指标与股票市场——基于扩展卡尔曼滤波方法的研究

基于扩展卡尔曼滤波(EKF)方法,首次构造出过滤市场噪声的投资者情绪指标,并在此基础上应用向量自回归模型分析我国投资者情绪指标与股票收益、股本规模等因素的经验关系,实证结果表明:(1)扩展卡尔曼滤波方法可以获得一个更加清晰反映投资者情绪的状态变量;(2)情绪的变化量比情绪指标本身具有更强的市场收益预测能力;(3)大规模公司股票的收益对投资者情绪的影响程度高于小规模公司股票,而投资者情绪对小规模公司股票的影响显著高于大规模公司的股票,并且情绪波动能够预测小规模股票的短期收益惯性和跨期收益反转的特征,证明情绪波动是影响资产定价的重要主观因素。     

基于分位数Granger因果的网络情绪与股市收益关系研究

 行为金融学理论认为,股票市场的价格变动除受宏观基本因素影响外,还在很大程度上受众多个体投资者或噪音交易者行为左右。中国股票市场拥有庞大的个人投资者群体,且股民群体与网民群体之间具有高度耦合性,使用网络情绪等信息能够探索中国股市收益变动基本规律。        为揭示个体投资者行为对股市收益的影响,以个体投资者情绪为视角,以网络环境中个体投资者的情绪信息为切入点,检验投资者情绪与股市收益的关联关系,评估网络情绪信息价值。使用中文文本情感分析方法,从新浪微博文本中提取出网络情绪时间序列;分别运用均值Granger因果和分位数Granger因果检验方法,探讨网络情绪波动与股市收益之间是否存在因果关系;将股票市场发展阶段进行细致划分,研究不同市场阶段下网络情绪波动与股市收益之间的因果关系。        对沪深300指数收益进行实证研究,结果表明,尽管在均值框架下网络情绪波动与股市收益之间因果关系并不明显,但基于分位数Granger因果分析却发现两者在极端分位点区间处存在广泛且显著的因果关系。数据显示,在40个因果关系检验中,分位数Granger因果检验的因果关系发现了23个显著的因果关系,发现率为57.5%,远高于均值Granger因果检验的7.5%。此外,股市收益受到网络情绪波动影响的程度和方式在不同市场阶段下有所不同。        研究结果具有一定的理论意义和应用价值。在一些特定分位点区间网络情绪波动对股市收益存在显著因果关系影响,这为在特定条件下股市收益的可预测性提供了佐证。网络情绪能够预测股市收益的尾部(上尾或下尾)行为特征,可以为金融风险防范提供决策参考。研究结果为股票市场的定价、收益预测和波动率估计等相关研究提供了新的研究思路,也为网络情绪信息使用提供了新的方向。     

中国股市收益率分布特征研究

应用修正Weibull分布对上海综合指数收益率和深圳成分指数收益率的分布状况进行研究。结果表明:经过简单的移位变换后,上证综指收益率和深成指收益率可完全用修正Weibull分布来刻画;大收益率服从次指数分布,小收益率服从超指数分布;两股指收益率的概率分布存在一些差异,上证综指的波动性大于深成指的波动性;沪深股市收益率的分布在1996年以后发生了较大的变化,其中沪市变化更大。     

基于最小一乘准则的上证指数突变点研究

很多研究表明,上证指数序列既有结构突变的特征,也有厚尾的特征。但大部分现有的研究都没有考虑其厚尾特征对变点估计的影响。本文基于最小一乘准则提出了一个估计厚尾数据中变点的方法。模拟研究表明,当数据具有厚尾特征时,基于最小一乘准则的变点估计比基于最小二乘准则的估计有效。对上证指数的实证结果表明,基于最小一乘准则估计出的变点能更好地描述中国股票市场的结构突变特征。     

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.     

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.     

我国股票市场长期异常回报率的计算和检测方法研究

本文分析了中国学者在经验研究中采用的传统长期异常回报率计算和检测方法,即利用市场平均计算长期异常回报率,利用t检验检测的方法,指出了缺陷,介绍了新的长期异常回报率计算方法和检测方法,说明了改进的机理.改进的长期异常回报率计算方法是基于市值的参考组合法,改进的检测方法是偏度矫正的t检验法和秩和法.采用反复抽样的方法,对新老方法结合中国资本市场数据进行了比较,结果显示了传统方法的局限性以及新方法的优越性.     

最小报价单位对股价波动性的影响

本文以上海股市为研究对象,对最小报价单位所造成的交易价格的离散性进行研究。研究结果表明,上海股市价格的波动性较大,特别是对低价股而言,其两阶段收益率呈现出"发散的玫瑰"的形状,即其收益率具有自相关的特征。本文还通过模拟方法验证了市场价格的离散性使证券收益率的标准差、偏度和峰度在计量上产生的偏差,使股价的波动更为剧烈。当然,验证结果支持最小报价单位对低价股票的影响较大。针对理论分析和检验的结果,提出了对于市场最小报价单位规则变革的政策建议。