沪深股市收益的长记忆性检验及其影响分析

文章采用Lo(1991)提出的优于经典R/S分析的修正R/S分析,对沪深股市指数收益率的长记忆性重新进行了检验,结果表明股票市场指数收益率序列、绝对收益序列与平方收益序列存在长记忆性.最后,对股票收益率存在长记忆性的影响进行了简要分析.     

中国股市长期记忆性的检验及记忆长度的度量

分析了股市长期记忆的存在对现有金融理论尤其是对有效市场假设的影响,采用自相关和偏自相关函数、R/S分析、修正的R/S分析三种方法检验了中国股市的长期记忆性。但是,三种方法的检验结果不一致,本文对造成这一结果的原因进行了分析,提出了记忆长度比长期记忆的存在性更重要的观点,并采用R/S分析和李雅普诺夫指数两种方法计算了深沪两市的记忆长度。     

基于灰色经济计量模型的我国股市波动率实证研究

针对我国股市收益率具有长期记忆性的特点,综合灰色预测理论和经济计量模型,建立了基于灰色模型的分整广义自回归条件异方差模型(GM-FIGARCH).选取上证A股、深证A股的日收益率进行分析,采用修正R/S分析检验其长记忆性,利用GM-FIGARCH模型对其进行实证研究.结果表明我国A股市场波动率普遍存在长记忆特征,投资者可以利用历史数据来预测未来股市的波动并据此获取投机利润.利用GM-FIGAKCH模型可获得较好的预测效果.     

中国股市的实际波动率

中国股市实际波动率实证研究表明(1)经实际波动率标准化的收益率序列接近于正态分布;(2)对数实际波动率序列的分布近于正态;(3)实际相关系数序列接近于正态分布;(4)实际波动率序列、对数实际波动率及相关系数序列均具有显著的长记忆特征;(5)不同股票的对数波动率序列之间具有显著的相关性.     

中国股市收益率与波动性长期记忆效应的检验

本文用基于方差的方法、Ro的修正R/S检验、标准GPH法以及tapered GPH法对沪深股市指数收益率及其波动性进行了长记忆性检验.结果表明沪市收益率序列不存在长记忆性,深市收益率序列存在一定的长记忆性;沪深股市的波动性均表现出显著的长记忆性,并且我国股市不存在趋势或结构突变.     

中国股市波动率与收益率的因果关系研究

文章以上证综指2000年到2008年高频数据为例,基于Dufour、Taamouti(2010)测量短期和长期因果关系的方法构建了一个关于收益率与波动率的向量自回归线性模型,用来测量和比较了中国股票市场收益率和波动率之间的动态杠杆效应、波动率反馈效应等因果关系.实证结果表明我国股票市场无论是对已实现波动率还是对二次变差前三天都有较强的动态杠杆效应,而波动率反馈效应在所有的时间跨度上都可以忽略不计,并且收益率和波动率之间的瞬时因果关系在有些时间跨度上较显著.     

基于改进R/S法的中国股票指数长记忆性分析

针对中国股市的长记忆性问题,本文在比较各种长记忆检验方法的基础上,采用改进的分析方法来检验我国股市的日收益率的长记忆性。结果表明,我国沪深两市的日收益率序列均有长记忆性,并且深市的长记忆程度比上证长记忆程度强。     

股市波动的长记忆过程研究

基于FIGARCH和FIEGARCH建模国内股市波动的长记忆特性,深入分析波动影响因素。对上证综指日收益率时间序列进行了实证研究,结果表明和GARCH、EGARCH模型相比较,FIGARCH和FIEGARCH模型更好地描述了股市波动的长程相关特征,探索研究国家宏观经济政策对股市波动的影响。     

中国股市波动率的非对称性

不同学者以相同的模型研究中国股票市场的杠杆效应,得出的结论并不一致.针对这一问题,本文借助于GJR-GARCH和EGARCH,以一定的样本为初始样本,然后逐个扩大样本容量,研究样本的变动对结论造成的影响,得出中国股票市场不存在杠杆效应的结论.     

中国股市存在“约瑟夫”效应吗？——对我国股票市场的实证分析

"约瑟效应"即长记忆性,是指股票价格存在长期持续与非周期的循环现象。为了对我国证券市场的长记忆性作比较全面的分析,文章选取上证综合指数和深圳成分指数,分阶段利用R/S方法、ARFIMA过程来识别收益率的记忆特征,并用FIGARCH模型来刻画波动的记忆特征。分析发现,hurst指数以及ARFIMA模型表明收益率序列存在比较微弱的长记忆特征,而利用FIGARCH模型则发现序列的波动存在较为强烈的长记忆性。     

中国股票市场的长期记忆性与趋势预测研究

本文首次在国内利用较新的精准局部似然函数法（Exact Local Whittle）,以上证指数为对象,估计了ARFIMA(p,d,q)模型的长期记忆参数d,并分析了上证指数的趋势性变化。估计结果和稳健性检验均表明,上证指数具有长期记忆性,以上证指数为代表的股票市场并非有效;模拟结果显示,当滚动窗口n=260,带宽m=[n0.65]时,长期记忆参数即估计量d既具备一致性,又具有渐进正态性。在2004年10月8日至2015年11月13日期间,模型给出了8次上涨或下跌的趋势转换信号,其中7次信号是正确的,仅有1次给出了错误信号;股票价格由下跌趋势转为上涨趋势、由上涨趋势转为下跌趋势两种情况相比,记忆参数d在前一种情况时下跌幅度更大,给出的信号更明显。     

中国股票市场波动率的多重分形分析与实证

我国股票市场波动表现出随时间变化的动态特征。文章采用多重消除趋势波动分析法(MFDFA),对沪深股市四个主要指数的日波动率时间序列进行了分析。结果表明,沪深股市四个主要指数的日波动率时间序列均表现出多重分形特征,且上证指数和中证500指数日波动率序列相对于其他两个指数日波动率序列表现出更强的多重分形特征。各指数日波动率时间序列的多重分形特征均是自身的长程相关性和波动的厚尾分布共同作用的结果,且波动的厚尾分布对原始序列的多重分形特征的影响比长程相关性大。     

基于分整特性视角的我国股市长记忆性识别

金融时间序列的长记忆性检验常采用标度分析法,但结果往往不令人满意。从分整特性的新视角,利用KPSS检验和LW检验对我国股市收益及其波动的记忆性特征进行了深入研究。研究结果表明,我国股市的波动序列中存在显著的长记忆性。而收益序列本身无明显的长记忆性。这与成熟股票市场有关长记忆性的研究结论基本一致．与新兴股票市场的研究结论有所不同。此项结论对股市的长期投资者具有重要的决策意义。     

Refined Inference on Long Memory in Realized Volatility

There is an emerging consensus in empirical finance that realized volatility series typically display long range dependence with a memory parameter (d) around 0.4 (Andersen et al., 2001; Martens et al., 2004). The present article provides some illustrative analysis of how long memory may arise from the accumulative process underlying realized volatility. The article also uses results in Lieberman and Phillips (2004, 2005) to refine statistical inference about d by higher order theory. Standard asymptotic theory has an O(n^-1/2) error rate for error rejection probabilities, and the theory used here refines the approximation to an error rate of o(n^-1/2). The new formula is independent of unknown parameters, is simple to calculate and user-friendly. The method is applied to test whether the reported long memory parameter estimates of Andersen et al. (2001) and Martens et al. (2004) differ significantly from the lower boundary (d = 0.5) of nonstationary long memory, and generally confirms earlier findings.     

Refined Inference on Long Memory in Realized Volatility

There is an emerging consensus in empirical finance that realized volatility series typically display long range dependence with a memory parameter (d) around 0.4 (Andersen et al., 2001 Andersen , T. G. , Bollerslev , T. , Diebold , F. X. , Labys , P. ( 2001 ). The distribution of realized exchange rate volatility . Journal of the American Statistical Association 96 ( 453 ): 42 – 55 .[Taylor & Francis Online], [Web of Science ®] , [Google Scholar]; Martens et al., 2004 Martnes , M. , Van Dijk , D. , De Pooter , M. ( 2004 ). Modeling and forecasting S&P 500 volatility: Long memory, structural breaks and nonlinearity. Tinbergen Institute Discussion Paper 2004-067/4 . [Google Scholar]). The present article provides some illustrative analysis of how long memory may arise from the accumulative process underlying realized volatility. The article also uses results in Lieberman and Phillips (2004 Lieberman , O. , Phillips , P. C. B. ( 2004 ). Expansions for the distribution of the maximum likelihood estimator of the fractional difference parameter . Econometric Theory 20 ( 3 ): 464 – 484 . [Google Scholar], 2005 Lieberman , O. , Phillips , P. C. B. ( 2005 ). Expansions for approximate maximum likelihood estimators of the fractional difference parameter . The Econometrics Journal 8 : 367 – 379 . [Google Scholar]) to refine statistical inference about d by higher order theory. Standard asymptotic theory has an O(n ^?1/2) error rate for error rejection probabilities, and the theory used here refines the approximation to an error rate of o(n ^?1/2). The new formula is independent of unknown parameters, is simple to calculate and user-friendly. The method is applied to test whether the reported long memory parameter estimates of Andersen et al. (2001 Andersen , T. G. , Bollerslev , T. , Diebold , F. X. , Labys , P. ( 2001 ). The distribution of realized exchange rate volatility . Journal of the American Statistical Association 96 ( 453 ): 42 – 55 .[Taylor & Francis Online], [Web of Science ®] , [Google Scholar]) and Martens et al. (2004 Martnes , M. , Van Dijk , D. , De Pooter , M. ( 2004 ). Modeling and forecasting S&P 500 volatility: Long memory, structural breaks and nonlinearity. Tinbergen Institute Discussion Paper 2004-067/4 . [Google Scholar]) differ significantly from the lower boundary (d = 0.5) of nonstationary long memory, and generally confirms earlier findings.     

Realized Volatility and Long Memory: An Overview

The challenge of modeling, estimating, testing, and forecasting financial volatility is both intellectually worthwhile and also central to the successful analysis of financial returns and optimal investment strategies. In each of the three primary areas of volatility modeling, namely, conditional (or generalized autoregressive conditional heteroskedasticity) volatility, stochastic volatility and realized volatility (RV), numerous univariate volatility models of individual financial assets and multivariate volatility models of portfolios of assets have been established. This special issue has eleven innovative articles, eight of which are focused directly on RV and three on long memory, while two are concerned with both RV and long memory.     

Realized Volatility and Long Memory: An Overview

The challenge of modeling, estimating, testing, and forecasting financial volatility is both intellectually worthwhile and also central to the successful analysis of financial returns and optimal investment strategies. In each of the three primary areas of volatility modeling, namely, conditional (or generalized autoregressive conditional heteroskedasticity) volatility, stochastic volatility and realized volatility (RV), numerous univariate volatility models of individual financial assets and multivariate volatility models of portfolios of assets have been established. This special issue has eleven innovative articles, eight of which are focused directly on RV and three on long memory, while two are concerned with both RV and long memory.     

Nonparametric Tail Copula Estimation: An Application to Stock and Volatility Index Returns

In this study, we measure asymmetric negative tail dependence and discuss their statistical properties. In a simulation study, we show the reliability of nonparametric estimators of tail copula to measure not only the common positive lower and upper tail dependence, but also the negative “lower–upper” and “upper–lower” tail dependence. The use of this new framework is illustrated in an application to financial data. We detect the existence of asymmetric negative tail dependence between stock and volatility indices. Many common parametric copula models used in finance fail to capture this characteristic.     

基于函数型自适应聚类的股票收益波动模式比较

股票收益波动具有典型的连续函数特征,将其纳入连续动态函数范畴分析,能够挖掘现有离散分析方法不能揭示的深层次信息。本文基于连续动态函数视角研究上证50指数样本股票收益波动的类别模式和时段特征。首先由实际离散观测数据信息自行驱动,重构隐含在其中的本征收益波动函数。进一步,利用函数型主成分正交分解收益函数波动的主趋势,在无核心信息损失的主成分降维基础上,引入自适应权重聚类分析客观划分股票收益函数波动的模式类别。最后,利用函数型方差分析检验不同类别收益函数之间波动差异的显著性和稳健性,并基于波动函数周期性时段划分,图形展示和可视化剖析每一类别收益函数在不同时段波动的势能转化规律。研究发现：上证综指股票收益波动的主导趋势可以分解为四个子模式,50只股票存在五类显著的波动模式类别,并且5类波动模式的特征差异主要体现在本次研究区间的初始阶段。本文拓展了股票收益波动模式分类和差异因素分析的研究视角,能够为金融监管部门的管理策略制定和证券市场的投资组合配置提供实证支持。     

中国股指期货与股票市场波动性关系的实证分析

使用修正的EGARCH模型与VaR方法检验股指期货的推出对中国股票市场波动性所产生的影响。采用的数据为沪深300指数,样本数据分为股指期货推出前,股指期货推出后的短期、中期和长期与样本数据全体五个时间段。研究表明,从股指期货推出的短期与中期来看,市场对信息的反应比较混乱。从长期来看,股指期货的推出加速了信息的传递速度并且弱化了非对称效应,并没有加大股市的波动性。VaR方法检验表明,股指期货的推出有效降低了股市风险,使A股市场更加成熟和完善。