LOG-PERIODOGRAM ESTIMATION OF LONG MEMORY VOLATILITY DEPENDENCIES WITH CONDITIONALLY HEAVY TAILED RETURNS

Many recent papers have used semiparametric methods, especially the log-periodogram regression, to detect and estimate long memory in the volatility of asset returns. In these papers, the volatility is proxied by measures such as squared, log-squared, and absolute returns. While the evidence for the existence of long memory is strong using any of these measures, the actual long memory parameter estimates can be sensitive to which measure is used. In Monte-Carlo simulations, I find that if the data is conditionally leptokurtic, the log-periodogram regression estimator using squared returns has a large downward bias, which is avoided by using other volatility measures. In United States stock return data, I find that squared returns give much lower estimates of the long memory parameter than the alternative volatility measures, which is consistent with the simulation results. I conclude that researchers should avoid using the squared returns in the semiparametric estimation of long memory volatility dependencies.     

基于直接接触凝结理论的汽液两相流升压模型

针对汽液两相流升压装置利用经验模型计算的过程中，仅能对出口压力进行计算，且计算值与实验值有较大误差的弱点，提出了用直接接触凝结（DCC）的理论求解汽液两相流的一维理论模型。计算升压装置的最大出口压力，分析其他参量的变化规律。结果表明，汽液两相流在凝结激波前为泡沫流，在凝结激波后完全凝结成单相水的情况下，升压装置的出口压力达到最大值。     

Conditional Likelihood Estimators for Hidden Markov Models and Stochastic Volatility Models

ABSTRACT.  This paper develops a new contrast process for parametric inference of general hidden Markov models, when the hidden chain has a non-compact state space. This contrast is based on the conditional likelihood approach, often used for ARCH-type models. We prove the strong consistency of the conditional likelihood estimators under appropriate conditions. The method is applied to the Kalman filter (for which this contrast and the exact likelihood lead to asymptotically equivalent estimators) and to the discretely observed stochastic volatility models.     

基于银行-资产双边网络模型的系统性风险及投资策略研究

受近几年的国际金融危机及金融全球化的影响,对金融系统的系统性风险的研究已成为国内外学者的关注热点。考虑到当前基于"银行-资产-银行"间接传播渠道的相关研究相对匮乏,本文基于银行-资产双边网络模型来分析银行系统性风险。首先,使用中国47家上市银行2018年的资产负债表数据构建了中国银行系统的双边网络模型,研究分析各类资产遭受冲击时外部冲击、降价出售效应及银行所持有的各类资产占银行总资产的比例对银行系统性风险的影响。然后,引入系统性冲击方式,通过设置具有不同属性的两大类资产并生成四种冲击事件来构建银行的投资策略模型,从资产视角探讨银行最优的投资策略。研究发现,外部冲击与降价出售效应这两个产生系统性风险的影响因素在一定区间值时会产生叠加效应,使银行系统性风险急剧增加;五种资产类中,贷款类资产对外部冲击最敏感;分析发现在各类资产冲击下都未倒闭的所有银行的资产组合具有一定的相似性;进一步研究发现银行系统中存在着最优的资产组合,使得银行在稳定的同时能获取最大收益,并且资产负债比越大的银行其风险承受能力越强,从而可以选择更激进的投资策略来追求高收益。     

股市联动中的“涟漪效应”

本文提出"涟漪效应"来解释国际股市联动性的大幅波动。所谓涟漪效应就是中心市场特有波动对其它市场间联动性产生影响的现象。本文采用滚动窗口和DCC-GARCH的方法计算了市场特有波动和收益相关系数,以9个主要市场指数为样本对国际股票市场中涟漪效应进行实证检验。研究结果显示,2007年后国际股市联动性变化与美国市场的涟漪效应有关,美国市场特有波动升高（降低）会导致全球股市联动性升高（降低）,而其他市场特有波动并没有类似影响。美国市场与其他市场间联动性基本不受第三方市场特有波动的影响,A股与美股联动性的增强是造成A股与其它股市联动性变化的主要原因。此外,研究特有波动与相关系数的关系能帮助我们识别国际股市中风险传递方向,本文结果显示欧洲市场对其他市场的影响非常有限,以往研究可能高估了欧洲市场的影响力。本文丰富了股市联动性影响因素的研究,对理解市场联动性变化、评估市场影响力等问题有重要意义。     

金融市场多标度分形现象及与风险管理的关系

已有研究通过对汇率、股票收益率、黄金价格等金融市场实证数据的分析,发现这些数据 具有多标度分形(multifractal) 特征. 通过对中国金融市场的代表数据之一———上海证券交易 所综合股价指数(SSECI) 的研究得出了相似的结论,并且初步提出了运用多标度分形理论所 提供的信息来进行金融风险管理的风险管理思路.     

金融工程中资产收益的连续时间模型评述

总结了在过去30年中金融资产收益连续时间模型的发展及主要成果,讨论了迄今连续时间模型参数估计的主要方法,其中特别讨论了MCMC方法;最后指出了现在和未来该领域研究所面临的主要课题。     

基于GARCH族模型的深证成指波动特征实证分析

采用GARCH族模型对深证成指总体及分阶段收益率的波动性进行统计拟合分析,指出深证成指的波动具有集聚性、持久性、显著的非对称性效应及阶段性特征。以深证成指价格达到最高点的时间点为分界,将整个样本分成两个阶段:在第一阶段,“利好消息”对深证成指的冲击比同等程度的“利空消息”大;在第二阶段,“利空消息”的冲击比同等程度的“利好消息”大。这说明深证市场具有杠杆效应。     

混频投资者情绪与股票价格行为

采用混频数据抽样模型(MIDAS)研究了混频投资者情绪对中国股市收益率及其波动的影响.通过构建日度、周度及月度这三种不同频率的投资者情绪,实证结果发现,混频情绪对当期收益率及其波动都存在显著的正向影响,并且与传统回归模型相比,MIDAS模型具有更强的解释能力.本文进一步使用GARCH-MIDAS模型研究了混频情绪对收益率波动长期成分的影响,发现混频情绪能够显著影响收益的长期波动.     

基于C_TMPV的中国股市高频波动率的跳跃行为研究

运用2000年1月4日至2008年12月31日上证综指每5分钟的高频金融数据,采用核估计量估计中国股市高频波动率序列,运用修正的已实现门阀多次幂变差估计中国股市高频波动率的跳跃序列,实证分析中国股市高频波动率跳跃的各种特征,并运用ACD模型、ACH模型以及扩展的ACH模型进一步分析中国股市高频波动率跳跃的持续期的特征.研究结果表明,中国股市高频波动率及其跳跃都具有集聚的特征,高频波动率发生显著跳跃的比例相当高,高频波动率跳跃的幅度、强度和跳跃幅度的分布都具有时变性,而跳跃对高频波动率的贡献却具有相对稳定性;在样本期,中国股市高频波动率跳跃表现出较强的正相关性,且跳跃的持续期存在较强的长记忆性和周日历效应.