基于符号收益和跳跃变差的高频波动率模型

基于符号收益率的视角,对现有的HAR-RV类及其跳跃扩展模型进行相应分解,构建新型的HAR-RV类波动率模型.进一步,结合符号收益和不同的跳跃识别检验方法,提出了包含符号跳跃变差的HAR-RV类模型,并利用样本外滚动窗预测技术和"模型信度设定"(MCS)检验法评价了各种新旧HAR-RV模型对我国沪深300股价指数波动的预测能力.结果表明:基于C_TZ跳跃识别检验的符号跳跃变差能显著改善波动率模型的短期预测能力,但在中长期波动预测时,符号跳跃变差未能明显提升HAR-RV类模型的预测精度;新提出的HAR-S-RV-TJ-TSJV模型和HAR-S-RV-TJ模型分别在对短期(未来1天)和中长期(未来5天和20天)的波动预测检验中,展现出了最高的预测精度.     

“坏”跳跃、“好”跳跃与高频波动率预测

  准确的波动率预测对资产组合配置和风险管理有非常重要的意义,在当今大数据时代,充分利用股市高频数据预测股票波动率成为可能。         股市高频信息的一种应用是使用已实现方差和它的组成部分预测股票波动率。已实现方差可以拆分为已实现负半方差和已实现正半方差两个部分。由于已实现负半方差和已实现正半方差极限形式中包含的连续运动部分完全一致,所以它们的不同仅来源于它们跳跃部分的差异,但连续运动部分的存在是否会“稀释”股价跳跃对波动率所产生的影响,为此有必要进一步提取负跳跃和正跳跃。基于负跳跃变差和正跳跃变差,利用HAR模型研究两种不同方向的跳跃是否对波动率产生不对称影响,使用DM统计量和样本外 R²_OS,作为评判标准,考察这种区分跳跃方向的做法是否改进了对波动率的预测能力。         研究结果表明,①负跳跃对应未来波动率上升,正跳跃对应未来波动率下降。作为风险规避者的投资者厌恶风险和不确定性,意味着投资者厌恶未来波动率上升而偏好未来波动率下降。因此,将股价的负跳跃称为“坏”跳跃,将股价的正跳跃称为“好”跳跃。②“好”跳跃导致未来波动率下降,而连续运动部分的上升导致未来波动率上升,两者效应的总和是已实现正半方差对未来波动率的影响不显著;“坏”跳跃和连续运动部分的上升都导致未来波动率上升,两者效应的总和是已实现负半方差对未来波动率产生显著的正影响。③利用“坏”跳跃和“好”跳跃不但能够更好地拟合样本内的未来波动率,而且还能够明显地改善波动率的样本外预测能力。         研究结果支持日内收益率的正负符号信息在波动率预测领域有其价值,两种不同方向的跳跃对波动率产生不对称影响。在波动率预测实践中,利用“坏”跳跃和“好”跳跃能够改进对波动率的预测能力。     

考虑跳跃和隔夜波动的中国股票市场波动率建模与预测

本文用已实现波动率（Realized Volatility, RV）度量上证综指和深证成指在交易时间内的波动率,并将其分解为连续路径变差部分和由跳跃引起的非连续部分。这两部分与隔夜波动率共同构成日波动率。本文对日波动率的三个组成部分建立HAR-CJN模型,探究了波动率不同成分之间的相互影响以及在预测中的作用。结果表明连续变差对日波动率的各组成部分均有显著的正向影响,在预测中的贡献最大;而跳变差的影响一般比连续变差的要弱,且随着滞后期的长短而有所不同。样本外预测结果显示HAR-CJN模型的预测表现要远远优于GARCH族模型,并在向前一天和一月的预测中优于普通的HAR-RV模型。     

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.     

考虑共同跳跃的波动建模:基于高频数据视角

针对共同跳跃研究的不足,文章沿袭已有理论框架,采用常用的日内跳跃检验方法,构建了共同跳跃(协)方差和连续样本路径(协)方差,并扩展HAR-RV-CJ模型,将(协)方差、共同跳跃置于统一波动模型框架内。通过对上证综指和深圳成指高频数据的实证分析,结果显示两指数共同跳跃占其各自的跳跃比例较大,且基本上都是同方向的跳跃;共同跳跃(协)方差和连续样本路径(协)方差对已实现(协)方差的影响都是显著的,考虑共同跳跃影响有助于提高(协)方差建模的准确性。此研究有助于投资者优化投资策略和为监管部门提供监管基础。     

基于高频数据的中国股市跳跃特征实证分析

研究跳跃的内在机制和理清不同类型的风险对波动估计和建模非常重要,这是风险管理的核心内容。当前,利用高频数据这方面研究仍然还不成熟,还有丰富的内容期待探索。文章基于非参数方法,结合A-J跳跃检验统计量,构建新的跳跃方差和连续样本路径方差、对跳跃方差建模。利用上证综指高频数据,对跳跃方差统计特征、跳跃方差贡献、跳跃幅度以及跳跃与经济信息关系进行分析。结果显示:跳跃方差存在尖峰厚尾与波动集聚性;在不同的抽样频率下,跳跃方差对总方差的贡献程度相近;正向、负向跳跃幅度不对称,剥离跳跃后的标准化收益率接近正态分布;经济信息公布与跳跃总是正相关的,并对一些异常现象给予解释。依据波动和跳跃的复杂性,此项研究有助于投资者优化投资策略和为监管部门提供监管基础。     

全球金融危机下的股票市场波动跳跃研究——基于高频数据的中美比较分析

本文以雷曼破产日至2009年1月底这段时期内上证综指、恒生指数以及S&P500指数的日内高频数据作为研究对象,采用跳跃显著性检验方法和扩展HAR模型,对波动跳跃特征进行了实证研究.结果表明:雷曼危机导致股市波动的显著提高,但中国内地股市受到的影响最小;中国香港股市成为波动跳跃发生频率最高、跳跃幅度最大的市场,且波动跳跃主要发生在夜间休市时间内;雷曼危机使得波动率模型的预测精度大大降低,股市风险变得更加难以预测,对于新兴市场来说这一现象更加明显.     

基于四次幂差修正HAR模型的股指期货波动率预测

股指期货波动率建模与预测是揭示其波动运行规律和市场风险是重要途径。本文基于跳跃、好坏波动率与符号跳跃建立四组HAR模型,提出单级纠偏HARQ类模型和多级纠偏HARQF类模型,实证研究揭示股指期货波动运行规律,并采用MCS检验来评估模型优劣。HAR建模考察连续与跳跃波动、好与坏波动率的两种已实现波动分解。为了降低波动率估计偏差,基于最小化MSE准则确定最优抽样频率,利用已实现核修正的ADS检测法识别跳跃,采用已实现核估计修正好坏波动率与符号跳跃。基于沪深300股指期货的实证研究表明：连续波动比跳跃波动对未来已实现波动贡献更大;好坏波动率具有不对称波动冲击,而符号跳跃对未来波动具有负向冲击;好坏波动率分解优于连续与跳跃波动分解;中位数已实现四次幂差能够显著提升HAR类模型的样本内外预测能力;与样本内预测相反,样本外预测中单级纠偏HARQ类模型优于多级纠偏HARQF类模型;MCS检验得出HARQ-RV-SJ模型表现最佳。研究结论与启示对认识股指期货波动规律和市场风险具有意义。     

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。     

长记忆性、结构突变条件下中国股市波动率的高频预测

本文在考察上证综指和深证成指日已实现波动率的长记忆性特征和结构突变的基础上构建了已实现波动率自回归结构突变模型,并用于进行预测.预测结果表明,在未来结构突变已知情形下,自回归结构突变模型的预测效果比其他预测模型要好,在未来结构突变未知情形下,该模型的预测效果比ABDL模型稍微差,而ABDL模型在两种情形下都是比较稳健的预测模型.     

基于Hawkes过程中美股市大幅波动互激效应的研究

近年来,由于中美经济联系日趋紧密,中美股票市场大幅波动的互激效应明显增强。本文考虑中美股市时差和法定节假日差异等因素,运用标值Hawkes过程对2006-2017年CSI300和S&P500大幅波动收益率数据进行建模,结果表明：（1）中美股市大幅波动互激效应存在不对称性,美股市场大幅波动对中国股市的互激效应更强;（2）中美股市大幅波动的幅度对互激效应不存在显著影响;（3）中美股票市场对于大幅波动互激效应的消化速度存在差异,中国股票市场消化美股大幅波动互激效应的速度较快。本研究对金融市场监管者和投资者均有一定意义。     

中国股票市场个股已实现波动率估计

从修正市场微观结构等干扰因素的角度出发,基于高频交易数据,同时采用一阶偏差修正方法估计了深圳证券交易市场个股的已实现波动率。研究结果表明,基于分笔交易数据计算的已实现波动率能有效提高个股真实波动率的估计精度,从而可以为波动率相关研究提供一个参照基准的波动率值。     

基于ICA模型的国际股指期货及股票市场对我国股市波动溢出研究

将独立成分分析(ICA)方法引入金融衍生品市场与基础市场之间的波动溢出研究,克服了传统方法解决高维金融时间序列波动问题时的障碍。通过与VECH、BEKK和DCC等传统多元GARCH模型的对比分析,本文所建立的ICA-EGARCH-M模型在解决高维问题时体现出一定的优势。在实证研究中,应用该模型考察了美国、英国、日本和中国香港的股指期货市场及其股票市场对我国股票市场的共同波动溢出。结果表明ICA-EGARCH-M模型不仅验证了波动溢出效应的存在,而且反映出了波动溢出的主要来源,能够较好地解决高维金融时间序列数据的波动溢出问题。     

基金交易行为与市场波动——基于小波与互谱分析的数据挖掘

本文选取2007～2009年基金十大重仓股数据进行小波分析,研究重仓股在不同阶段波动率的特征———微观层面基金行为对这种波动率的直接动量冲击的影响以及金融市场层面沪深300指数对此波动率的联动性的影响。实证结果发现,基金增仓和持股可以减小股票波动率,但减仓会加大股票波动率,呈现出非对称稳定市场的特性。在金融市场层面分析上,论文应用溢出效应检验互谱分析方法,发现这种波动率主要是由基金持股组合调整造成的,市场波动对个股波动率影响不大,即股票波动率主要是由基金交易行为造成所引致。     

中国ETF基金价格“已实现”波动率、跟踪误差之间的Granger关系研究

在高频数据条件下,中国ETF基金价格"已实现"波动率与跟踪误差之间是否存在着因果关系并存在着信息的先导效应？基于"已实现"波动、跟踪误差计算方法及Granger因果检验过程、VAR模型等,本文对此进行了深入研究。研究结果认为:中国ETF基金价格"已实现"波动率与两种跟踪误差分别具有Granger因果关系,后者是前者的Granger原因;中国ETF基金价格"已实现"波动率序列与两种跟踪误差序列的同期及一、二阶滞后相关性较高,而跟踪误差滞后于"已实现"波动率;当ETF基金的跟踪误差受外部市场条件的某一冲击后,将给ETF基金价格"已实现"波动率带来同向的冲击,这一冲击具有一定的持续性和滞后性。     

股票市场价值函数实证研究

价值函数是前景理论的核心组成部分,用以刻画决策者对于收益和损失的主观感受.以前对前景理论的实证研究基本上通过心理学实验来进行,而且是针对决策者个体进行的.本文以股票市场整体为对象,采用EGARCH模型提取到达市场上的信息流作为财富改变的代理变量,利用两阶段幂函数型作为价值函数的表现形式,对十个国家股票市场上综合指数的日收益率数据进行了实证研究.实证结果发现各国股票市场上价值函数均呈现反S形状的,与多数心理实验中个体决策者表现价值函数呈S形状迥然有别.     

多国股票市场的高频波动相关性研究

本文通过建立包含马尔科夫机制转换结构的MS-MHAR-DCC模型,并选取世界上比较发达的国家和地区股票市场的高频日内交易数据为样本,对多个股票市场波动相关性进行研究。通过引入包含马尔科夫结构的外部随机矩阵,本文识别出金融市场波动相关的截断时期,正态分布设定下相比在t分布设定下识别的截断时期更多且持续时间更长。在模型的截断时期内,多个股票市场的波动相关结构主要受到正向冲击,即在截断时期内的波动相关性大于平常状态的波动相关性。本文还发现,相同地域的股票市场间的动态波动相关性在大部分时期内表现为较强的正相关;美国股票市场和其余5个国家股票市场波动的动态相关性在大部分时期都表现为较强的正相关,表明美国作为全球巨头在世界金融市场波动的引导作用。     

中国股市与周边股市波动风险传导效应研究

由于金融资产收益的条件波动率不仅是金融市场风险度量的重要指标,而且呈现出明显的杠杆效应。因此,本文运用能够刻画波动率杠杆效应的LGARCH(Leverage GARCH)模型对金融市场条件波动率进行建模分析,进而运用Granger-Causality检验分析了中国股市与周边股市波动风险的传导效应。实证结果表明,在整个样本区间,上海股市与周边重要股市的联系比较微弱,仅与香港股市存在一定的风险传导关系,而与东京、新加坡股市却不存在传导关系。然而,在我国股市对境外合格机构投资者(Qualified Foreign Institutional Investors,QFII)开放后,中国股市与周边股市的波动风险传导关系明显异于对QFII开放之前和整个样本期的风险传导关系,上海股市与香港、东京、新加坡股市间的波动风险传导关系均显著增强。