基于LMSV模型的半参数方法对股市波动长记忆特征的识别

在金融时间序列波动具有显著的长记忆性这一背景之下,研究了LMSV模型长记忆参数的估计问题。首先,分析了LMSV模型的相关性质;接着,根据LMSV模型和ARFIMA模型的良好对应关系,提出了估计LMSV模型长记忆参数的半参数方法;最后,基于股市数据,验证了波动半参数方法的有效性。     

基于GARCH模型的人民币汇率波段动态特征研究

依据人民币兑美元汇率的长期走势所示性态,对人民币汇率时序数据分段建立GARCH模型,实证检验了人民币汇率的波段动态特征.结果表明,人民币汇率时序数据不服从正态分布,波动具有明显的集聚性,序列前段波动长记忆性明显,中后期波动尖峰厚尾特性更加显著,依据分析,央行应采取适当的调控措施和平稳的汇改政策抑制人民币汇率过度波动.     

基于贝叶斯ARFIMA-WRV模型高频数据长记忆性研究

考虑到高频时间序列波动率的长记忆性问题,构建了赋权已实现波动分数整合自回归移动平均(ARFIMA-WRV)模型对其进行了研究.利用贝叶斯统计方法对模型做了相应的贝叶斯分析,并对我国中小板股市收益波动率的长记忆性特征进行了实证分析.实证结果表明我国中小板股市收益波动率存在长记忆性特征;采用消除日历效应影响的赋权已实现波动作为波动度量和贝叶斯参数估计方法,很大程度上提高了模型的参数精度.     

基于Copula模型的尾部相依性长记忆效应研究

在已有动态Copula模型基础上,提出可同时描述尾部相依性的非对称和长记忆特征的Copula模型.基于沪深股市数据,首次从尾部相依性的角度检验了沪深股市的长记忆效应.研究发现,沪深两市在重大利好或利空消息冲击时的相关性(即尾部相依性)都具有长记忆效应,极端事件对尾部相依性的影响比对未来收益和波动的影响更加持久.而且,样本外分析结果表明,相比已有Copula模型,具有长记忆性的Copula模型能更准确地预测未来1周至1年的市场间相关性.     

长记忆模型的Bayes估计及其在汇率波动中的应用

本文介绍了长记忆模型及其检验方法,根据Bayes原理,提出了记忆参数的一种新的估计方法.在运用Teverovsky/Taqqu(1997)年提出的一种基于样本方差的直观方法的初步检验基础上,运用新的检验方法,以美元对人民币汇率为研究对象,说明了我国汇率波动的长记忆性.然后,将经典的GPH-估计与新方法所得出的Bayes-估计相比较,可以看出这种新的估计方法较之经典的GPH-估计要稳定.     

中国股市长记忆的修正R/S分析

本文在比较各种长记忆检验方法优缺点的基础上,采用修正的R/S分析检验我国沪深两股市日收益和日绝对收益序列的长记忆性。结果表明在0.05的显著水平下,两股市的日收益序列均无长记忆,但深圳成指日收益序列的记忆长度比上证综指日收益序列的记忆长度长;以日绝对收益序列为代表的波动序列具有较强的长记忆性。     

基于长记忆模型的期货与现货波动率关系分析

基于SEMIFAR模型分析了沪深300指数和沪深300股指期货对数日波动率序列的长记忆性,发现股指期货波动率序列的长记忆性弱于指数波动率序列.另外,通过对比分析两波动率序列的确定趋势可知:现货市场与期货市场的波动率的变化趋势基本一致,二者处于一种长期的均衡关系,但又存在一定的差异;期货市场对于稳定现货市场的波动具有一定的作用,尤其表现在股价大幅度下跌时.     

基于结构突变的波动率分解模型

在Heston-Nandi模型的基础上提出了一种波动率分解模型,分解模型同时考虑了金融波动的长记忆性和杠杆效应.从资产收益率的无条件方差发生结构突变出发,认为收益率的无条件方差随时间变化,将波动率分解为长期影响和短期冲击两部分,其中长期影响用来刻画波动率的持续性,短期冲击刻画金融波动的短期扰动.上证综指数据实证表明上海证券综合指数收益率序列的波动性同时具有长记忆性和杠杆效应,利用模型能很好的刻画这两种性质.     

上证综指的已实现波动率预测模型

采用上证综指2000-2008年的高频数据,在考察了中国股市已实现波动率的特征(即具有长记忆性、结构突变、不对称性和周内效应的特征并且结构突变只能部分解释已实现波动率的长记忆性)的基础上,构建了一个自适应的不对称性HAR-D-FIGARCH模型,并用于波动率的预测。模型的估计结果表明,与其他HAR模型相比,该模型对样本内数据的拟合效果最好。最后,通过SPA检验实证评价和比较了该模型与其他5种已实现波动率预测模型的样本外预测精度。结果发现,在各种损失函数下,该模型是预测中国股市已实现波动率精度最高的模型。     

基于分形分析的国际金价波动长记忆性识别与预测研究

本文对国际金价波动的长记忆性进行研究,通过R/S,MRS,V/S等方法计算Hurst指数,证实了金价波动存在着显著的长记忆性。以此为基础借助分数差分,构建ARFIMA、FIGARCH、ARFIMA-GARCH等基于分形分析的长记忆性预测模型,实证结果表明该类模型很好地刻画了国际金价的内在波动规律,具有较强的预测功能。     

基于两步法带宽选择的金融时间序列长记忆参数估计

金融时间序列长记忆参数的半参数估计方法以频域分析为主,带宽选择是其中必不可少的关键环节。不同的带宽可能给出差异明显的长记忆参数估计值,甚至产生矛盾的结论,进而影响时间序列平稳性的判断。本文提出一种两步法,用于金融时间序列长记忆估计的半参数方法的带宽选择,并进一步对长记忆参数进行估计:首先,为了克服半参数方法忽略短期结构的不足,通过信息准则判断ARFIMA(p,d,q)过程的短记忆结构;其次,用短记忆模型拟合差分后的序列,根据拟合效果确定选择带宽及长记忆参数估计值。数值模拟显示以长记忆参数估计值均方根误差最小为标准,两步法优于其他方法。经上证50指数已实现波动率日数据的实证检验,两步法在长记忆模型中的预测误差最小;与短记忆模型相比,两步法在中期提前预测步长上具有优势。     

人民币实际汇率波动与中国对美进出口问题的实证探究

使用1999年至2009年人民币对美元实际汇率及中美间进出口数据,对人民币实际汇率波动对中美贸易产生的造成影响进行实证分析.人民币实际汇率的波动与中国对美进出口间不存在长期的协整关系,人民币汇率变化对中国对美的贸易收支差额影响十分有限.在行业层面,人民币实际汇率的波动与中国对美主要产品出口也不存在长期的协整关系.     

Market calibration under a long memory stochastic volatility model

In this article, we study a long memory stochastic volatility model (LSV), under which stock prices follow a jump-diffusion stochastic process and its stochastic volatility is driven by a continuous-time fractional process that attains a long memory. LSV model should take into account most of the observed market aspects and unlike many other approaches, the volatility clustering phenomenon is captured explicitly by the long memory parameter. Moreover, this property has been reported in realized volatility time-series across different asset classes and time periods. In the first part of the article, we derive an alternative formula for pricing European securities. The formula enables us to effectively price European options and to calibrate the model to a given option market. In the second part of the article, we provide an empirical review of the model calibration. For this purpose, a set of traded FTSE 100 index call options is used and the long memory volatility model is compared to a popular pricing approach – the Heston model. To test stability of calibrated parameters and to verify calibration results from previous data set, we utilize multiple data sets from NYSE option market on Apple Inc. stock.     

中国股市与汇市的波动溢出效应模型研究与实证分析

选取2009年1月5日-2012年5月22的人民币兑美元汇率和上证综指的日交易数据为对象,采用BEKK—GARCH模型,并结合LR似然比检验,对中国汇市与股市的波动溢出效应进行建模研究与实证分析．实证结果表明,整体样本存在汇率到上证指数的波动溢出,这种溢出是单向的;第二次汇改前,既不存在汇率到上证指数的波动溢出,也不存在上证指数到汇率的波动溢出;第二次汇改后,既存在汇率到上证指数的波动溢出,也存在上证指数到汇率的微弱的波动溢出．     

Estimation of limiting conditional distributions for the heavy tailed long memory stochastic volatility process

We consider Stochastic Volatility processes with heavy tails and possible long memory in volatility. We study the limiting conditional distribution of future events given that some present or past event was extreme (i.e. above a level which tends to infinity). Even though extremes of stochastic volatility processes are asymptotically independent (in the sense of extreme value theory), these limiting conditional distributions differ from the i.i.d. case. We introduce estimators of these limiting conditional distributions and study their asymptotic properties. If volatility has long memory, then the rate of convergence and the limiting distribution of the centered estimators can depend on the long memory parameter (Hurst index).     

外汇市场、股票市场与房地产市场的风险传染研究——基于三元VAR-BEKK-GARCH模型实证分析

本文将人民币汇率、房价和股价三者纳入一个统一的分析框架中,从水平变动和波动风险两个方面考虑时变异方差和变量间的风险传递效应,使用“二次汇改”后的2010年6月到2017年12月的月度数据,采用三元GARCH和BEKK时序模型研究人民币汇率、房价和股价之间的动态影响关系及其波动风险互动机制。研究发现,三个市场相互之间具有明显的影响,特别是价格波动的风险传染上,房地产市场与股票之间、股票市场与汇率市场之间或长期或短期都存在风险的传递效应。具体而言,市场在均值溢出方面,人民币升值会促进房价和股价的上涨;但房价与股价之间的价格影响关系并不明显。在波动溢出方面,房价和股价之间的波动溢出效应明显,同时存在ARCH和GARCH型波动效应,而股价对汇率的波动影响也同时存在ARCH和GARCH型波动效应,但汇率对股价仅有GARCH型波动效应。     

基于ARMA-GARCH-SN模型的沪深300股指期货日内波动率研究与预测

运用五个交易日的股指期货高频数据(每秒两笔),本文主要研究了沪深300股指期货日内波动率特征并对日内波动率预测。研究发现高频股指期货日内收益率有明显的波动率聚集和条件异方差现象,但无尖峰厚尾现象,收益率序列分布符合有偏正态分布。因此,我们对时间序列建立了最优的ARMA-GARCH-SN模型,并对模型拟合充分性做了验证,拟合结果发现ARMA(1,2)-GARCH(1,1)-SN模型基本能够刻画股指期货高频日内波动特征,条件方差所受的冲击具有很强的持续性、日内波动也具有长记忆性,最后我们还利用自助法对高频股指期货日内波动率两步预测、利用滚动回归预测方法对样本做了样本内预测。预测结果表明,波动率预测结果能够较好地反映股指期货日内波动特征。