经济政策不确定性与我国股市波动率预测研究北大核心CSCDCSSCI

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.     

经济不确定性是股市波动的因子吗？——基于GARCH-MIDAS模型的分析

本文运用混频模型（GARCH-MIDAS）分析了经济不确定性对中国股市波动率的影响。经济不确定性包括宏观经济不确定性和经济政策不确定性两方面。总体来说,经济不确定性会影响中国股市的波动,但强度有限,且A股、B股间表现出差异。经济运行（IP）和消费（inf）中的不确定性是A股、B股共同的波动因子,且IP的贡献度最高;货币政策（IR）、中国经济政策不确定性（CEPU）对A股无显著影响,但会显著影响B股的长期波动趋势;美国经济政策不确定性（AEPU）的影响则不显著。加入显著性指标有助于提高波动率的预测精度,混频模型为分析股市波动中的长期趋势和短期波动提供了一个新视角,有助于识别股市波动中的经济影响因素。     

基于互联网股市信息量和神经网络的股价波动率预测

影响股市价格波动的因素有很多,本文从互联网信息量角度进行讨论.在一般情况下,当有较少的股市信息时,股市相对平静,股价变动也常常较小;当有较多的股市信息时,股市相对波动,股价变动常常也较大.互联网股市信息量的较大变化常常是该公司有特殊事件发生的反映,而股价波动必然是一种连带反应.本文首先从互联网获取金融信息,然后对互联网信息量进行了预处理,接着借助神经网络的学习功能,完成了对殷市信息量和股市价格波动的关联学习,最后将神经网络预测的结果以图形的方式显示给投资者,帮助投资者决策.     

国际油价、美国经济不确定性和中国股市的波动溢出效应研究

2008年金融危机以来的全球股市震荡,油价波动剧烈和经济的不确定性使得研究不同市场间的风险传导效应具有重要的意义。在综合评价现有研究的缺陷和既有改进方法的情况后,本文借鉴Diebold and Yilmaz （2012）的研究方法探索国际原油价格、美国经济不确定性和中国股市的波动溢出效应。本文选取1986年1月到2016年12月原油价格、美国经济不确定性指数和中国股票价格的月度数据,分别研究了静态波动溢出指数,动态波动溢出指数并做出了非线性检验。实证结果表明：变量国际油价解释了大部分的波动。方向性溢出指数是双向的和非对称的。在整个样本阶段系统的波动主要来自其他变量的冲击,变量国际油价的溢出效应占比重较大。变量国际油价、美国经济不确定性和中国股价对其他变量的波动溢出都存在非线性效应,前两者的正向变量的溢出效应较大,负向变量的溢出效应较小;后者的正向变量的溢出效应较小,负向变量的溢出效应较大。     

基于时变波动率的存款保险定价研究

存款保险合理定价对于维护金融稳定至关重要,但是现有研究却很少考虑银行资产异方差性以及债务清偿顺序的差异.利用GARCH过程刻画资产收益波动率的时变性,结合债务清偿结构得到了封闭形式的存款保险定价公式,并给出了参数的极大似然估计方法.利用A股上市银行数据估计资产过程,并通过数值模拟分析了时变波动率和债务清偿结构对存款保险价格的影响.结果表明,忽视资产收益波动率的时变性在高风险时段将导致存款保险价格被高估,而在低风险时段却会导致价格被低估;高优先级负债越多,存款保险价格越高,普通债务(包括存款)越多,存款保险价格也越高,但前者的影响更大;受次级债的影响,忽视债务清偿顺序的差异往往导致存款保险价格被明显高估.     

人民币汇率的双成分混合波动率模型

汇率波动性预测在金融和计算领域一直受到广泛关注,然而由于缺乏可以捕捉汇率波动动态变化的预测模型,高频汇率的波动率预测至今没有得到彻底的研究.文章提出了基于神经网络的双成分混合汇率波动率模型,该模型利用低通Hodrick-Prescott滤波器将已实现波动率分解为长期分量和短期分量,使用自回归神经网络模拟长期分量,一阶自回归过程模拟短期分量,通过实证分析确定自回归神经网络参数(10个隐神经元和四阶滞后输入神经元),以6种主要高频率汇率(英镑/人民币,美元/人民币,澳元/人民币,欧元/人民币,日元/人民币,和瑞士法郎/人民币),在5 h(d)、20 h(d)、100 h(d)、200 h(d)、360 h(d)和500 h(d)的预测区间构建1 h和1 d已实现波动率,并与双成分GARCH模型、EGARCH模型、四阶滞后自回归神经网络模型3个基准模型进行对比,分析模型的预测性能,实验评估表明,提出的混合预测模型在所有预测的范围内均显著地优于传统人民币汇率波动模型.     

跳跃的估计、股市波动率的预测以及预测精度评价

本文基于C_TMPV理论估计已实现波动率的跳跃成分,在此基础上构建考虑跳跃的AHAR-RV-CJ模型和MIDAS-RV-CJ模型来预测中国股市的已实现波动率,并评价和比较各类波动率模型的预测精度。实证结果表明:基于C_TMPV估计的波动率跳跃成分对日、周以及月波动率的预测有显著的正向影响;AHAR-RV-CJ模型和MIDAS-RV-CJ模型的样本内和样本外预测精度在不同的预测时域上都是最高的,尤其是对数形式的模型;MIDAS族模型的样本外预测精度在中长期预测时域上比HAR族模型高;AHAR-RV-CJ模型和MIDAS-RV-CJ模型的样本外预测能力在中长期预测时域上比基于低频数据的Jump-GARCH模型、SV-CJ模型和SV-IJ模型好。     

股市波动助长了市场投机性吗?

高投机性和高波动性一直是中国股票市场的显著特征,本文以中国A股市场为研究对象,从投机性市场异象、均值-方差关系以及宏观风险因子定价三个方面研究了股市波动的加剧对市场投机性的影响.研究结果表明,股市波动的加剧助长了市场投机性,具体体现在:在高波动率状态下,中国股票市场的投机性市场异象显著增强;同时,市场组合收益率正向的均值-方差关系减弱,宏观风险因子价格偏离理论预期.本文的结论对于加快建设高效的股票市场,强化中国股市的资源配置功能,提高中国股市的监管效率等方面有着重要的启示.     

高频视角下股市波动预测的新方法: HAＲFIMA 模型

异质自回归(heterogeneous autoregressive,HAＲ) 及其拓展模型(统称为 HAＲ-类模型) 能够刻画不同类型(期限) 交易者的异质性对金融市场未来价格波动的“贡献”程度,在实证研究中备受推崇,并在预测金融市场波动率中取得了较好的效果． 研究发现,HAＲ-类模型虽然能够在一定程度上刻画金融市场中非常重要的长记忆特征,但刻画能力明显比自回归分整移动平均(AＲFIMA) 模型差． HAＲ-类模型的主要优势在于对异质性的刻画,而 AＲFIMA 模型的主要优势在于对长记忆性的准确刻画． 因此,基于这两个模型各自的优势提出了新的模型: 异质自回归分整移动平均(HAＲFIMA) 模型,并对新模型进行了拓展建模,提出 HAＲFIMA-类模型． 将 HAＲFIMA-类模型运用于对标普 500 和上证综指的已实现波动率(ＲV) 的建模和预测发现, HAＲFIMA-类模型能够更加准确地刻画金融市场的长记忆性,更重要的是样本外的预测能力明显优于其他模型,并且预测结果相当稳健．     

股市波动率的短期预测模型和预测精度评价

基于幂转换以及不设定扰动项的具体相关结构和分布形式,构建了半参数的短期预测模型来预测中国股市的波动率.模型采用基于极值估计量的两阶段估计法进行估计,估计方法的小样本性质表现良好.此外,还通过具有Bootstrap特性的SPA检验实证比较了新模型与其他6种预测模型的预测精度.实证结果表明,在各种损失函数下,半参数短期预测...     

基于随机波动性模型的中国股市波动性估计

采用动态随机波动性模型实证研究了中国股票市场的波动性. 通过基于马尔可夫链蒙 特卡罗(MCMC) 模拟的贝叶斯分析方法,较好地估计了随机波动性模型中的参数与波动性序 列. 基于中国股市数据进行的实证结果表明,与ARCH 类模型相比,随机波动性模型能更好地 描述股票市场回报的异方差和波动性的序列相关性.     

已实现跳跃波动与中国股市风险溢价研究——基于股票组合视角

基于我国股市5分钟高频数据为研究样本,采用非参数方法估计了Fama-French25个股票组合的已实现跳跃波动率的主要成分(规模、均值、标准差和到达率等),实证分析表明:(1)已实现跳跃波动的主要成分可通过线性和非线性(交叉项)形式预测大部分股票组合的超额收益率.(2)已实现跳跃波动率成分在一定程度上可以通过线性方式解释股票组合的横截面收益.(3)已实现跳跃波动率可能是Fama-French三因子模型中规模因子和账面市值比因子的背后驱动因素.     

Forecasting stock market prices in a thin security market

Stock market efficiency is a crucial concept when forecasting of future stock price behaviour is discussed. In the literature, a distinction is made between three potential levels of efficiency. Under a weak form of efficiency, information on historical price movements is of no value for predicting the future price development. Similarly, a semi-strong form of efficiency holds that no publicly available information can be successfully used in the prediction of prices. And finally, a strong form of efficiency means that the share prices fully reflect all relevant information including data not yet publicly available. Stock market efficiency has been extensively studied in different countries. On a thin security market, like in the Helsinki Stock Exchange, many anomalies and deviations from market efficiency have been obtained. This paper aims to contribute to that discussion. It is shown in the paper that both the monthly and quarterly stock market prices (the general stock market index) can be adequately forecasted using either univariate time-series analysis or multivariate econometric modelling. The univariate ARIMA-models seem to be slightly outperformed by the econometric models. It is further shown that the forecasting accuracy of the models can be improved when time-series and econometric forecasts are combined into a composite forecast. The empirical results obtained indicate an absence of efficiency on the Finnish security market.     

政策因素对股票市场波动的非对称性影响

政策因素对中国股票市场的波动具有重要影响.首先对中国股票市场的政策因素进行系统的分类并量化;其次,以上证综合指数收益率的标准差及上、下半标准差度量股票市场波动性,应用多元回归模型,从市场总体和不同市场环境两个方面分析了各类政策因素对我国股票市场波动的影响.研究发现:政策因素是影响我国股市波动的主要因素,其在牛市行情中对市场波动的影响大于熊市行情,对股市向下波动的解释程度大于向上波动的解释程度.研究结果表明:政策因素更容易在牛市行情中对股市波动产生影响,更容易引起股市向下波动.     

经济政策不确定性与股票风险特征

构建了包含经济政策不确定性的随机贴现模型,通过参数校准、静态比较等方法,探讨了不同政策不确定性下股票风险的动态特征.在此基础上,通过实证模拟分析政策不确定性影响股票风险的传导机制,并通过组合分析法检验政策不确定性在股票风险形成中的作用,以此验证该理论模型在中国的适用性.最后,运用面板数据回归模型对政策不确定性与股票风险的关系进行量化分析.结果表明:1)政策不确定性能够通过企业现金流、贴现因子和相关系数等途径提高股票风险,该效应在控制传统风险因子、企业异质性因素和外部环境因素后依然显著;2)具有非国有性质、较低盈利能力和低资产增长率的企业股票更易受政策不确定性的影响;3)在经济萧条和改革幅度较大的阶段,政策不确定性对股票风险的溢出效应显著增强.     

中国股市波动性与成交量共同的长期记忆性研究

研究了上证30指数和深圳成分指数所含个股的成交量与收益波动性的长程相关关系.文章应用多变量频域两步半参数估计方法,辅助数据加窗技术对非平稳时间序列的长期记忆性进行了一致有效的估计.研究结果发现中国股票市场的成交量和波动性均具有显著的长期记忆性,并且对于大多数股票而言,成交量序列与波动性序列具有相同的长期记忆性.表明同时驱动成交量和收益波动性的潜在信息流本身具有长期记忆特征.     

中国股市隔天收益波动率的实证研究

对上证综合指数5分钟高频数据计算得到的隔天收益率的行为进行了实证研究.在与前人研究结果比较的基础上得出结论,开盘交易机制主要改变的是隔天收益波动的高峰出现的位置.发现隔天收益波动率出现一个"驼峰"形状,认为这主要是由于开盘采用连续竞价所致.并从各区间收益相关性的角度对隔天收益方差给予了解释.此外还观察到隔天收益率的方差和一阶自协方差有着近似线性的反向变动关系,并利用一个价格变动模型对此现象进行了解释.     

中国股票市场的石油效应之谜

本文对股票市场是否具有可预测性进行探讨,通过石油价格的变动,进而预测上海证券交易所综合指数(SSEC)的收益率.检验结果显示,自2003年后,上证综指收益率存在显著的石油效应,这种中国所特有的石油效应之谜,既不能用有效市场假说来解释,也无法被信息反应不足假说所解释.     

基于Sai-GA-SVR的我国IPO制度与新股市场特征研究

针对“中国IPO高抑价之谜”,提出了Sai-GA-SVR方法,从市场特征的角度来判断新股是抑价还是溢价,分析了我国1997年-2011年不同制度下的IPO市场特征.研究发现:审批制和价格管制导致了较为严重的抑价,但是随着市场化改革进程的不断推进,新股市场已表现出极大程度的溢价现象;询价制前的新股发行价格仅仅反映公司内在价值,不能反映IPO的市场供求关系与风险水平,同时过于依赖机构投资者的询价制扭曲了制度租金的公平分配.