有信息冲击、无信息冲击与波动率非对称性

本文将金融市场的冲击(innovations)分成有信息冲击和无信息冲击,构建了一种新的非对称GARCH类模型,区间均值GARCH模型(sectional mean GARCH,SM-GARCH).在中国股票市场的实证分析中发现:SM-GARCH模型能够更好地捕捉波动率特征和预测波动率;条件均值预测误差用于描述新到来的冲击对条件方差的影响,所提供的信息是有限的,在无信息冲击的情况下可以忽略它在波动率预测中的作用.     

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。     

“特质波动率之谜”与估计模型有关吗？

以CAPM、Fama-French三因子和五因子模型为均值方程,分别采用无条件标准差,以及GARCH、EGARCH条件方差为基准计算出中国股票市场的特质波动率,研究了特质波动率与股票收益率之间的关系。研究发现,关于高特质波动风险对应低预期收益的定价异象来源于特质波动率估计模型的差异。具体地,当使用无条件标准差方式估计特质波动率时,存在定价异象,而使用GARCH、EGARCH等条件方差模型估计特质波动率时,则不存在定价异象。该结果在改变残差估计均值方程以及控制规模、流动性等其它变量后依然稳健。本文的研究有助于解释长期困扰在资产定价领域的“特质波动率之谜”。     

沪铜期货基差之非线性动态调整特性研究

本文采用平滑转换自回归模型分析基差变动的机制转换特性．实证分析并验证了沪铜近月合约期货的基差变动具有非线性平滑转换机制．实证过程还反映了基差序列具有残差异方差性．故而本文将模型延伸为STAR—EGARCH。分析结果表明：沪铜期货基差具有非线性平滑转换特性;基差在无套利区间内外都具有均值返还特性,但区间内返还速度比区间外的慢;基差变动具有偏离不对称性,不存在波动不对称性;均值返还的市场反应时间为2天。     

实际波动率与GARCH模型的特征比较分析

金融资产价格的波动率的测度具有重要意义,实际波动率(Realjzed Volatility)概念是近些年提出的用于测度市场波动率的新概念,在诸多方面具有优势.本文利用上海证券市埒的高频数据,比较了两种不同的波动率模型--RV模型和GARCH模型--的性能表现.本文首先介绍了连续时间状态下实际波动率的概念和模型,然后建立了GARCH(1,1)模型,使用日收益率对GARCH模型进行估计,得到条件方差方程,分别用日收益平方和日内累计收益平方和作为波动率指标对收益平方-波动方程进行回归,并以回归决定系数来衡量波动率拟合水平的优劣,结果发现采用高频数据的回归决定系数比原来提高了两倍,这个结果与已有的实证分析结果基本一致,最后,我们将实际波动率的计算结果与GARCH模型的结果经标准化后进行了对比,发现实证研究结果表明,实际波动奉模型比传统的GARCH模型提供了更好的拟合.     

上证综指收益波动的不对称性研究

本文应用GARCH类模型对上证综合指数收益波动的不对称性进行了实证研究,发现了新的证据说明中国股市波动的不对称性是存在的,杠杆效应或波动反馈效应是显著的.对二种效应在中国股市的作用进行了理论分析.波动反馈效应似乎是中国股市波动不对称的主要决定因素.     

GARCH类模型波动率预测评价

GARCH类模型已经广泛运用于波动率的预测,但对模型的预测表现进行评价却受到了忽视,其主要原因是缺乏合适的衡量标准。本文首先运用GARCH类模型对上证指数收益率进行了全面的估计及样本外预测,然后以已实现波动率作为波动率预测的评价标准,通过M-Z回归和损失函数来评价GARCH类模型的波动率预测表现。结果表明,无论是样本内还是样本外,GARCH类模型都能够较好的预测上证指数的收益波动率。其中,偏斜t-分布假设下的GJR(1,1)模型的预测能力最强。     

嵌入GARCH波动率估计的B1ack-Litterman投资组合模型

在B1ack-Litterman投资组合模型中，为了更有效地估计风险资产的期望收益和波动率，引入了投资者的主观观点，这种处理确实能提高均值-方差投资组合模型的性能。但是在实践中，如何度量投资者观点成了另一个难题。为了克服这一困难，我们将GARCH波动率估计嵌入到B1ack-Litterman模型中，通过使用GARCH模型的预测能力来替代投资者主观观点，从而获得一个新的投资决策模型。作为应用，分别考虑了国内外真实市场数据测试情形，通过实证结果发现，嵌入了GARCH波动率估计后，Black-Litterman模型的性能可进一步得到很好提高，样本外平均收益率、波动率和夏普比等指标，均要好于一些传统模型。     

股票收益率波动的异方差:基于交易量及异质信息分解的检验

本文在对沪市股票日收益率进行GARCH效应检验的基础上,首先以交易量作为市场上随机信息流的代理变量对GARCH模型加以修正,并由此考察收益率波动的异方差特性;然后再按照异质信息流对交易量进行分解,以此考察收益率波动的对称性。结果发现,在引入交易量之后,原本显著的GARCH效应趋于消失,且正信息对收益率波动的影响显著小于负信息的情况。此外,股票上市时间愈长,则交易量代理其信息流愈稳健,且异质信息下的不对称性也愈显著。     

考虑结构变化和长记忆性的国际原油价格波动率预测研究

原油市场普遍存在结构变化现象，可能会引发原油价格波动率的长记忆性，导致模型参数的有偏估计。为此，本文考虑原油价格波动率的结构变化和长记忆性特征，采用考虑结构断点的GARCH族模型和MMGARCH模型对WTI和Brent油价波动率进行预测建模。结果表明，WTI和Brent油价波动率中确实存在明显的结构变化和长记忆性特征，而能够捕捉这两种特征的GARCH族模型往往比忽略它们的模型取得更好的油价波动率预测效果，特别是，同时动态捕捉结构变化和长记忆性特征的MMGARCH模型对油价波动率的预测性能优于其他相关模型。     

不允许卖空下证券投资组合的区间二次规划问题

本文基于经典的Markowitz均值-方差模型,针对市场上不允许卖空的情况,提出了证券投资组合的区间二次规划模型,通过应用区间数排序方法(区间序关系、区间可能度和区间可接受度),给出了两种证券投资组合的区间非线性优化的数学转化模型,从而将不确定性证券投资组合模型转化为确定性的证券投资组合二次规划模型进行求解,并对由本文给出的三种求解方法与传统方法进行了比较。     

基于价格极差的金融波动率建模： 理论与实证分析

经典的波动率模型(GARCH等)是收益率为基础的模型,利用的是收盘价信息,忽略了价格波动的日内信息,这将导致信息与效率的损失.为了弥补这一缺陷并获得满意的波动率预测效果,本文引入并扩展了基于价格极差的自回归波动率模型.实证研究表明新模型能够有效刻画波动率的动态变化规律,其预测效果一致性地优于经典的GARCH模型.同时,我们的研究还证实了在波动率模型中加入收益率的滞后项能够提高模型的解释能力,并且存在明显的"杠杆效应".     

基于期权与高频数据信息的VaR度量研究

传统的市场风险度量模型没有充分利用期权与高频数据包含的信息,且主要基于单因子波动率模型,导致信息的损失以及模型缺乏足够的灵活性.本文基于灵活的双因子随机波动率模型,通过提取期权与高频数据包含的市场前瞻与当前信息,构建相应的市场风险度量波动率模型对在险值（VaR）进行度量.为了估计模型参数,建立基于连续粒子滤波的极大似然估计方法.采用iVX指数与已实现波动率测度（RV）作为上证50ETF期权与高频数据信息的代理,对构建的市场风险度量波动率模型进行了实证检验,结果表明：充分利用了期权与高频数据信息的双因子随机波动率模型能够在快速变化的市场环境中更好地估计波动率,相比其它波动率模型（仅利用了历史数据信息的GARCH模型、利用了高频数据信息的已实现GARCH模型以及利用了期权与高频数据信息的单因子随机波动率模型）具有更为优越的VaR度量精确性,尤其是极端风险情形下的VaR估计精确性改进明显,凸显了期权与高频数据信息以及双因子波动率在市场风险管理中的价值.     

“马钢”可分离转债定价实证分析

以国内首支认股权和债券分离交易的可转换公司债券——马钢可分离转债为样本,从实证角度对其进行了定价分析。考虑了这次可分离转债的特点,采用历史波动率、GARCH(1,1)模型波动率和隐含波动率3种不同估计方法来计算波动率,利用修正的B-S权证定价模型进行转债权证部分定价,并和市场真实价格进行比较,详细分析比较3种波动率的定价效果。在运用修正的B-S权证定价模型时,考虑了公司总股本价值因可分离债券发行的增加,同时采用公司股权波动率进行计算,检验了修正B-S权证定价模型对马钢认股权证定价的有效性,实证证明采用隐含波动率或GARCH模型具有较好的定价效果。     

中国铜期货市场最优套期保值比率估计——基于马尔科夫区制转移GARCH模型

在套期保值的研究中,GARCH模型被普遍使用。但是近来许多实证研究证明了GARCH模型存在一定的缺陷,即波动率的高持续性,这影响了对于资产价格序列描述的准确性,在套期保值策略的制定时就需要考虑到波动率对状态的依赖性。因此,本文将区制转移应用到套期保值模型构建中,将MRS模型与GARCH模型相结合,建立了MRS-DCC模型,以期消除GARCH模型带来的波动率的高持续性,并用于估算铜期货市场的套期保值比率。同时,本文创新性地运用极差收益率作为标的收益率来估计套期保值比率,不仅提高了模型对资产价格日内波动的捕捉效果,而且日内价格波动的准确预测使得套期保值者规避了期货市场价格突然变化带来的强行平仓风险。本文在理论上详细解释了MRS模型与DCC-GARCH模型结合的方法,并使用中国铜期货2007年10月15日至2010年10月15日的数据进行实证分析对比,从样本内和样本外两个方面证明了马尔科夫区制转移模型以及极差收益率的引入能够提高套期保值比率估算的准确性,从而提高套期保值绩效。本文为状态依赖套期保值策略制定,以及资产价格波动风险的度量提供了参考。     

经济政策不确定性与我国股市波动率预测研究

股票市场的波动与实体经济走势以及宏观经济政策密切相关.因此,以Baker的经济政策不确定性(economic policy uncertainty,EPU)指数和我国股市代表性的股价指数——上证综指为对象,运用广义自回归条件异方差混频数据抽样(GARCH-MIDAS)模型,分析了经济政策不确定性对上证综指波动率的影响,并运用该模型与常见的多种GARCH族模型进行了样本外波动率预测的对比研究.实证结果表明,EPU指数能够很好地解释我国股市波动的长期成分,并显著改善对上证综指波动率的预测精度;同时,模型信度集合(model confidence set,MCS)检验结果进一步证实,基于混频数据的GARCH-MIDAS模型能显著打败常见的多种GARCH族模型.     

改进区间可接受度的证券投资组合区间二次规划模型

本文首先基于Markowitz的经典均值方差模型，针对不确定环境下的投资组合问题，把证券的收益率、风险损失率和流动性用区间数描述，建立了一种新的含交易成本的证券投资组合区间二次规划模型。其次，为求解该模型，提出了改进的区间可接受度确定性转换方法，通过引入优化水平α与可接受水平η将不确定二次规划转化为确定型规划。最后，通过数值实验将提出的方法与传统方法进行比较，结果表明本文所提出的方法与模型具有相对较好的可行性与实用性。     

基于GARCH模型的中小板指数波动性的实证分析

股票市场的波动一直是经济研究人员和投资者关注的焦点。在计量经济学领域,ARCH模型和GARCH模型经常用在金融时间序列分析中,特别是GARCH(1,1)模型在金融分析中得到广泛的应用。本文以中小板指数为研究对象,分别运用ARCH模型、GARCH模型进行初步研究,分析我国股价波动的动态特征。     

基于遗传算法的经济性参数设计

针对田口方法的不足,本文在双因子方法DRA(dualresponseapproach)的基础上从经济的角度讨论了参数设计问题。考虑产品规格界限及质量损失的不对称性,建立了经济性参数设计模型,并利用遗传算法(GA)得到了最经济的过程均值与波动方差。最后给出一个实例验证了此模型是可行的,有效的。     

基于幂律型分布的动态VaR模型及实证研究

针对金融资产回报时间序列的尖峰厚尾性和波动集聚性,提出了基于AR(1)-GARCH(1,1)模型与幂律型分布相结合计算VaR的方法。用GARCH模型对时间序列建模刻画波动集聚性,用基于幂律型分布的扩展形式拟合GARCH模型的残差分布尾部,刻画回报时间序列的厚尾特征,二者结合更好地描述回报时序的动态波动现象。对上证综指进行实证分析,结果表明本文提出的方法比基于正态分布的GARCH模型和静态幂律尾法更精确。