On the estimation of non linear functions in stochastic volatility models

Abstract

This paper focuses on the inference of suitable generally non linear functions in stochastic volatility models. In this context, in order to estimate the variance of the proposed estimators, a moving block bootstrap (MBB) approach is suggested and discussed. Under mild assumptions, we show that the MBB procedure is weakly consistent. Moreover, a methodology to choose the optimal length block in the MBB is proposed. Some examples and simulations on the model are also made to show the performance of the proposed procedure.     

Variance (Non) Causality in Multivariate GARCH

This paper extends the current literature on the variance-causality topic providing the coefficient restrictions ensuring variance noncausality within multivariate GARCH models with in-mean effects. Furthermore, this paper presents a new multivariate model, the exponential causality GARCH. By the introduction of a multiplicative causality impact function, the variance causality effects becomes directly interpretable and can therefore be used to detect both the existence of causality and its direction; notably, the proposed model allows for increasing and decreasing variance effects. An empirical application evidences negative causality effects between returns and volume of an Italian stock market index future contract.     

深圳证券交易所不同指数收益率的波动比较

股票价格指数的波动的大小通常代表了它的风险程度,研究股指的波动对风险管理、投资组合以及价格预测有着十分重要的意义。文章采用时间序列分析方法,对深圳证券交易所的三种价格指数建立GARCH模型,并对这三种指数的波动率进行比较。     

波动率的持续性：基于GARCH模型的成交量解释

文章将成交量变量合理地分解为由好、坏消息分别引致的两部分,结合GARCH模型,研究了成交量对波动率持续性的解释,并得出如下结论:成交量变量对波动率的持续性具有一定的解释力;信息对波动率的影响具有不对称性,坏消息比好消息的影响大;将成交量分解成由好、坏消息分别引致的两部分之后,能够更进一步地解释波动率的持续性。     

基于高维波动率网络模型的股票市场风险特征研究

波动率是金融风险管理研究的重要内容之一。本文基于复杂网络理论和数据挖掘技术提出股票市场的高维波动率网络模型。首先运用互信息度量不同股票价格波动之间的相关关系,其次对股票市场不同周期下的波动情况建立度的中心势、平均距离、幂律分布等网络拓扑指标,再次根据这些指标利用Prim算法构建出高维波动率网络模型,最后运用Newman-Girvan算法对股票价格波动率的相关性进行分层研究。高维波动率网络模型突破了传统波动率模型关于变量维数的限制,能够在依赖少量假设的基础上,挖掘出多个金融市场主体间的相互关系,反映金融市场的风险特征及网络拓扑性质。实证结果发现：与常用的Pearson相关系数法相比,在互信息框架下,股价波动的非线性相关关系得到了更好的度量;股票市场的整体波动性与个股波动率相关性变化趋势相反,市场处在高波动时期资产组合分散化效果较好;网络中存在少量度数大的关键节点和中心节点,风险通过这些节点可以迅速传递到整个市场;股票市场的运行具有明显的行业聚集现象;网络分层研究进一步直观的展现了风险在层与层之间的传递规律和与之对应的行业特征。高维波动率网络模型为挖掘股票市场的风险特征与管理金融风险提供了一个新的工具。     

金融周期、金融波动与中国经济增长——基于省际面板门槛模型的研究

本文应用面板门槛模型,研究了2005-2017年间我国31个省（市、自治区）金融波动对经济增长的影响。研究发现,随着金融周期所处阶段的变化,金融波动对经济增长会产生显著的非对称性双重门槛效应,主要体现为如下两点：首先,金融周期处于膨胀期、平稳期和萧条期时金融波动对经济增长会产生负向影响,但从影响系数值的大小来看,处于膨胀期时最大,是后两者的2倍之多,处于平稳期时最小且并不显著;其次,分区域的稳健性检验表明,金融发展水平高的区域双重门槛值出现得早,且两个门槛值间的区间要比金融发展水平低的区域宽28%。这些结论说明,经济增长对于金融波动的容忍弹性会随着金融周期所处的阶段而变化,金融发展水平的提高会放大经济增长对金融波动的容忍区间,但也会加速金融周期处于膨胀期时爆发金融危机的可能性,这使得当前我国存在着进一步发展金融水平和严控金融风险的矛盾,对此本文也提出了相应的政策建议。     

隐含波动率与实际波动率的关系：中美比较

  上证50ETF期权上市至今,中国期权市场表现出很多与美国市场显著不同的特征,由此引申出关于美国的经验是否适用于中国、中国期权市场定价是否有效的争论。         基于2015年4月16日至2017年12月29日的中国上证50ETF期权数据和美国S&P500期权数据,以股指收益率与波动率的相关系数以及股指收益率的历史分布为工具,从整体特征和横截面特征两个维度,研究隐含波动率与实际波动率的理论关系;以使用期权市场数据计算得到的隐含波动率数据、波动率微笑和实际波动率数据、0Delta组合的超额收益为工具,研究隐含波动率与实际波动率的实际关系;针对上述理论关系和实际关系进行中美比较。由于理论关系研究中未使用期权数据,因此通过比较上述两个维度下的理论关系与实际关系的差异,可以对中国期权市场的绝对定价效率和相对定价效率进行探究。         研究结果表明,在整体特征上,美国期权市场中隐含波动率与实际波动率的理论关系与实际关系相符,美国期权市场在绝对定价效率维度上有效;中国市场,尤其是牛市样本中,隐含波动率与实际波动率的理论关系与实际关系不相符,中国期权市场在绝对定价效率维度上被高估。在横截面特征上,美国期权市场中隐含波动率与实际波动率的理论关系与实际关系相符,美国期权市场在相对定价效率维度上有效;中国市场,尤其是牛市样本中,隐含波动率与实际波动率的理论关系与实际关系不相符,中国期权市场在相对定价效率维度上无效,低行权价的期权被低估、高行权价的期权被高估。在上述两个特征的研究中,相应构造的0Delta组合(策略)同样支持上述结论。         通过中美两国隐含波动率与实际波动率的理论关系与实际关系的研究,发现中美两国的市场状况存在差异,在中国期权市场上的研究和交易不能简单照搬美国经验,要仔细研究和利用中国市场的当前特征。监管层也应完善中国股票和期权市场制度,降低期权交易成本,实行股票现货交易(t+0)制度,完善股票现货做空机制,以使套利机制可以正常发挥作用,改善当前上证50ETF期权市场被高估的现象,使期权的保险功能正常发挥作用。     

Conditional variance estimation in heteroscedastic regression models

First, we propose a new method for estimating the conditional variance in heteroscedasticity regression models. For heavy tailed innovations, this method is in general more efficient than either of the local linear and local likelihood estimators. Secondly, we apply a variance reduction technique to improve the inference for the conditional variance. The proposed methods are investigated through their asymptotic distributions and numerical performances.     

A note on the non-negativity of continuous-time ARMA and GARCH processes

A general approach for modeling the volatility process in continuous-time is based on the convolution of a kernel with a non-decreasing Lévy process, which is non-negative if the kernel is non-negative. Within the framework of Continuous-time Auto-Regressive Moving-Average (CARMA) processes, we derive a necessary condition for the kernel to be non-negative, and propose a numerical method for checking the non-negativity of a kernel function. These results can be lifted to solving a similar problem with another approach to modeling volatility via the COntinuous-time Generalized Auto-Regressive Conditional Heteroscedastic (COGARCH) processes.     

Splines for financial volatility

Summary.  We propose a flexible generalized auto-regressive conditional heteroscedasticity type of model for the prediction of volatility in financial time series. The approach relies on the idea of using multivariate B -splines of lagged observations and volatilities. Estimation of such a B -spline basis expansion is constructed within the likelihood framework for non-Gaussian observations. As the dimension of the B -spline basis is large, i.e. many parameters, we use regularized and sparse model fitting with a boosting algorithm. Our method is computationally attractive and feasible for large dimensions. We demonstrate its strong predictive potential for financial volatility on simulated and real data, and also in comparison with other approaches, and we present some supporting asymptotic arguments.