厚尾SV模型的贝叶斯分析及其应用研究

SV模型在实际应用中大多都假定以潜在波动为条件的收益的分布是正态的,本文分析并比较了正态SV模型和具有厚尾分布,特别是t分布的SV模型。为了估计SV模型的参数,我们使用了BUGS软件,该软件借助Gibbs取样(一种MCMC方法)方法对模型进行贝叶斯分析。用上海和深圳的股票指数数据对两种SV模型进行了检验,认为厚尾SV模型可以更好地刻画收益的尖峰厚尾以及波动高的持续性。最后提出了使用BUGS软件对SV扩展模型进行估计的展望。     

基于SV-POT模型的黄金市场的动态VaR预测

针对黄金市场呈现的"尖峰厚尾"和波动持续性等特征,选用SV(stochastic volatility)模型来刻画。将SV模型与基于POT(peak over threshold)模型的极值理论相结合,建立SVPOT的组合模型,预测该金融市场的动态VaR(value at risk)。最后,与GARCH-POT模型相比得出:基于随机波动模型的SV-POT模型在一定程度上能更精确地预测动态VaR。     

中国股票市场价格波动与交易量关系的贝叶斯分析

利用随机波动 ( SV)模型和基于马尔科夫链蒙特卡罗模拟 ( MCMC)模拟技术的贝叶斯估计方法 ,并把交易量分解为预期交易量和非预期交易量 ,实证检验了中国股票市场中的量价关系。与其他学者的研究结论一致 ,交易量与价格波动存在很强的即期正相关关系 ,这也验证了混合分布假说 ( MDH )理论 ;研究中还发现 ,非预期交易与预期交易对价格波动的影响显著不同 ,非预期交易量所隐含的新信息是真正引起价格波动的根源     

基于贝叶斯多变量厚尾随机波动模型的期货与现货联动效应研究

针对多变量随机波动模型难以刻画金融时间序列尖峰厚尾特征的问题,构建了贝叶斯多变量厚尾随机波动模型。通过模型的贝叶斯分析,选择参数先验分布,设计基于Gibbs抽样的MCMC算法,据此估计模型参数,解决多变量随机波动模型参数较多难以估计的问题;并利用沪深300股指期货与现货交易数据进行实证分析。研究结果表明：贝叶斯多变量厚尾随机波动模型能更准确地刻画金融市场的波动特征以及金融市场间的波动溢出效应。     

基于两种分布下的SV模型与GARCH模型的VaR比较

文章将随机波动SV模型与GARCH模型应用于VaR的计算,并利用上证指数的实际数据作实证研究,构建基于正态分布和T分布下的GARCH模型与SV模型,测量了上证指数收益率的风险价值(VaR).结果表明,相比GARCH模型,SV-N,SV-T模型能更准确地对实际市场波动情况进行拟合,更加真实地反映上证指数的市场风险特性.     

中国黄金市场波动性特征分析

利用随机波动模型(SV模型)可以刻画金融数据波动性的功能,文章以2009年以来上海黄金交易市场的收益率数据为代表,通过五类SV模型进行模拟分析并以此判断我国黄金现货及黄金期货市场的实际情况,比较结果认为国内两类黄金市场波动持续性强且具有尖峰厚尾性,其中Leverage-SV模型可以更好地刻画出两种黄金市场收益波动的杠杆效应特征,且拟合效果相对较优.     

SV类模型体系探讨

系统总结了随机波动模型(简称SV类模型)的研究动态,包括连续时间SV模型与离散时间SV模型,并对离散时间模型的分类,以及与连续时间SV模型之间的关系进行了阐述,提出了SV模型今后的研究发展方向,为SV模型的进一步研究和实际应用提供参考和借鉴。     

基于EVT-POT-SVt模型的风险度量研究

金融资产收益常因金融市场的剧烈波动而产生异常变化,针对其收益的厚尾性、波动的异方差性等特征,采用基于Markov链的Monte Carlo模拟积分方法对随机波动模型进行参数估计并取得标准残差序列,应用极值理论与SVt模型相结合,建立了基于EVT-POT-SVt的动态VaR模型。通过对上证综指收益做实证分析,结果表明:该模型能很好地刻画收益序列的波动性及尾部分布特征,在度量上证综指收益的风险方面合理而有效。     

基于GARCH模型和非参数模型的上海股市VaR的比较

从VaR的定义出发,考虑基于GARCH类模型和基于非参数模型的VaR估计.对于前者进行筛选以后,采用EGARCH(1,1)模型来估计资产或资产组合未来收益率的波动,后者则用核估计方法估计资产或资产组合未来收益率的概率密度函数,并用这两个模型对上海股市进行了实证研究,结果表明后者不失为一种值得考虑的方法.     

基于已实现NGARCH模型的上证50指数的风险度量

基于NGARCH模型刻画了波动率的杠杆效应特征,在已实现GARCH模型的波动率方程中引入杠杆参数的扰动,建立了新的已实现NGARCH模型,并研究了新模型的动态VaR估计问题。上证50指数5 min频率高频数据VaR估计的返回测试结果表明:该新模型比已实现GARCH模型更好地刻画了波动率的杠杆效应特征,在一定程度上提高了风险度量的预测精度。     

基于不同测度指标的随机波动性模型及其应用研究

引入了基于日内价格幅度与回报两个测度指标的随机波动性模型.利用中国股市数据进行的实证结果表明,与单测度指标的随机波动性模型相比,基于两个测度指标的随机波动性模型能更好地描述股票市场波动性和市场波动风险.     

现货市场与期货交易行为对期货市场波动的影响——来自中国农产品期货市场的证据

期货交易对波动性的影响一直以来都是一个备受争议的课题。建立了包含预期风险收益、现货市场和期货市场非对称信息冲击效应的EC-TARCH-M模型,对大豆、豆粕、玉米和强麦等期货的交易行为、现货市场信息冲击与期货市场内在波动性之间的关系进行深入研究。结果表明,期货交易行为均对波动性有着显著影响,但影响的方向和程度不一致,投机交易会加剧期货市场波动性,而市场深度却有助于降低期货市场波动性。不同期货市场波动性对来自现货市场的信息冲击反应不一,但对来自期货市场中的信息冲击具有"杠杆效应"。     

基于时变波动率的期权定价模型实证研究

B-S模型计算的理论价格与实际市场价格存在较大的差异。这个系统性的差异被称为波动率微笑。这说明波动率不是常数,而是时间的函数。学者们也根据波动率的时变特征,提出了多种修正模型。文章主要通过中国权证市场的实证结果,比较了GARCH期权定价模型和随机波动率模型(Heston)以及B-S模型的定价效果。结果表明,GARCH期权定价模型、Heston期权定价模型和B-S模型都低估了市场价格,但是GARCH期权定价模型定价效果最好,而Heston期权定价模型相对于B-S模型定价优势不明显。     

随机波动模型的沪深股市比较研究

金融市场的风险和波动性一直是现代金融学研究的主题。金融风险具有时变性,金融波动具有持续性。介绍了刻画波动特性的随机波动模型及其估计方法。为了帮助投资者和政府监管机构理解沪深股市的风险特性,利用随机波动模型对上海股市和深圳股市的波动特性进行建模和比较分析,结果发现,上海股市比深圳股市的风险高,波动的持续性低;分析了产生这种现象的原因,并提出了若干建议。     

石油期货价格的收益率及波动率的长记忆性研究

金融市场的长记忆性问题研究一直吸引着众多研究者的目光,但是期货作为一种金融衍生工具,其长记忆性的研究相对于股票来说却很少。国内外大多数的研究都是针对股票市场,运用的主要方法是R/S分析,修正的R/S分析法,GPH分析法等,大部分都是用ARFIMA模型对长记忆时间序列进行分析。本文介绍了时间序列的一些模型,介绍了单位根检验方法,采用样本自相关函数法,传统的R/S分析法,GPH分析法,运用MATLAB,EVIEWS,Oxmetirc4环境下的G@ARCH42软件包等编程,检验了美国原油期货(NYMEX)市场样本数据的长期记忆性,并得出如下结论:石油期货收益率序列的长记忆性不明显,而波动率的替代指标绝对收益率序列呈现较强的长期记忆性。同时本文通过比较描述收益率序列以及绝对收益率序列模型的优劣性,发现收益率序列可用GARCH(1,1)模型来描述,而FIGARCH(1,d,1)模型相对GARCH(1,1)模型来说,能更好的描述波动率的替代指标——绝对收益率序列。     

基于广义双曲线分布的人民币汇率波动性研究

针对人民币汇率的波动性问题,运用广义双曲线分布,对2006年1月4日到2015年7月24日美元兑人民币汇率的波动特征进行实证分析。研究认为,人民币汇率不仅具有显著的“尖峰厚尾”特点,而且具有波动的非对称性和集群性特征,同时发现GH分布能较为准确地描述和呈现美元兑人民币汇率收益率波动状况的分布情况。     

我国房地产业股价波动长记忆性的R／S分析

房地产上市公司股票一直是各类投资基金重要的资产配置对象,因此,对其价格波动的定量特征进行精确的刻画和描述具有重要的现实意义。以我国上市公司房地产行业指数和万科A股日收益数据为实证样本,运用重标极差法（R／S）探讨房地产上市公司股价波动的长记忆特征,结果表明：我国房地产上市公司的股价波动存在显著的长记忆特征,且行业总体的长期记忆强度明显高于个股;与成熟资本市场相比,我国房地产上市公司股价波动的长记忆程度更高。     

已实现波动和赋权已实现波动的比较研究

已实现波动是针对高频金融时间序列的一种全新的波动度量方法,具有不需要模型和计算方便的优点。赋权已实现波动则对已实现波动进行了改进,是另一种更为有效的波动度量方法。本文从定义形式、无偏性、有效性、日历效应等方面对已实现波动和赋权已实现波动加以比较。通过对上海股票市场的实证研究,说明了赋权已实现波动是优于已实现波动的波动估计量。