深市收益特征及价量关系实证研究

本文分析了深市日收益率序列和波动率序列的每周不同天效应和记忆性。认为,深市日收益率序列不存在每周不同天效应,但存在一至二星期的记忆性;波动率序列则存在每周不同天效应和持续性;同时,交易量对波动率具有很好的解释作用。     

中国股票市场星期效应的实证分析--主成份分析

本文利用主成份分析的方法,构造代表中国股市日收益率波动的第一主成份序列,通过对这一序列的残差进行自相关性与异方差性检验,选用(A(2)-A(1))～GARCH模型,分析中国股票市场"星期效应"的存在性与特征.     

中国股市价格和波动性的非线性行为实证研究

深沪综合指数的收益率不服从正态分布,收益率是负斜的,呈现胖尾和峰态;其收益率序列均服从有着分形概率分布的持久性时间序列,它们遵循有偏随机游动,市场表现出较强的趋势行为和非周期循环特征,深市非周期循环为4个月,而沪市为6个月,深沪股市月收益率序列则为确定性的混沌序列;而沪深股市的波动性也呈现出一定程度的不对称特征,沪深股市之间还存在着波动性的溢出效应,深市还存在着一定的杠杆效应,而且,沪深股市之间还存在着明显的波动性的溢出效应.     

中国股市周内效应研究——来自时变贝塔、时变特雷诺比率和交易量的新结果

本文首次关注时变市场风险度量指标——时变贝塔和单位市场风险收益率度量指标——时变特雷诺比率的周内效应,重点对中国股市行业指数的收益率、时变贝塔、时变特雷诺比率和交易量进行了周效应和周内各交易日效应研究,并比较研究了个股时变贝塔的周内效应。研究发现行业指数的收益率、时变特雷诺比率、交易量有明显的周效应;收益率和时变特雷诺比率有明显的周二和周四效应,但周一和周五效应并不明显,比如行业收益率基本上没有周一效应;上证指数收益率有明显的周四效应;行业指数交易量的各周内交易日效应比较显著;但行业指数的时变贝塔周效应并不显著;此外,个股的时变贝塔表现出不同于行业指数的特点,其周内效应相对比较明显.     

随机设计非线性混合模型的统计分析

本文研究了个体观察次数为随机的非线性 混合效应模型中参数的点估计以及区间估计. 在仅给出适当的矩条件下, 给出了固定效应、随机效应的方差阵以及误差方差的矩估计, 并证明了估计量的相合性及渐近正态性. 为给出误差方差以及随机效应方差分量的置信区间, 本文也给出了误差及随机效应的四阶矩估计. 随机模拟说明了方法的有效性.     

无重复因析试验中多个散度效应检验的一种改进方法

在无重复因析试验的多个散度效应分析中,常常出现错误识别的现象,即两个显著的散度效应可能在它们的交互列上产生一个错误的散度效应,并且现有的许多方法都存在这样的问题.为了解决这种模棱两可性,McGrath和Lin(2001)提出了一种基于残差样本方差几何平均的检验方法(ML方法),但是这个方法不能应用于零残差样本方差的情形.鉴于此,提出了一种基于修改残差的改进方法,适用于零残差样本方差的情形,并且通过实例验证了方法的合理性.最后,通过模拟和ML方法做了比较.     

基于ARMA-GARCH模型的恒指隐含波动率指数预测及其在期权交易中的应用

基于ARMA-GARCH模型,并结合均值回归效应,溢出效应和周内效应,本文研究了恒指隐含波动率指数(VHSI)能否被预测及预测是否有助于期权投资实践的问题.研究结果验证了香港股市具有均值回归的特性,标准普尔500指数对恒指隐含波动率指数有明显的溢出效应.此外,恒指隐含波动率指数呈现出周一上涨,周五下跌的特征,具有明显的周内效应.最后,本文运用ARMA-GARCH模型对恒指隐含波动率指数进行预测,并结合实际的市场数据做了期权交易模拟.结果显示,ARMA-GARCH模型比ARMA模型更适合对恒指隐含波动率进行建模;考虑了均值回归效应,溢出效应和周内效应之后,ARMAGARCH模型对恒指隐含波动率指数的预测能力显著提高,并且预测结果有助于期权交易获得较好的收益.     

中国股指期现货市场间的非对称风险溢出效应——基于分位数Granger因果检验

为了揭示中国股指期现货市场之间风险溢出效应的非对称特征,本文利用已实现半方差将中国股指期现货市场的风险区分为下跌风险和上涨风险,并运用均值Granger因果检验和分位数Granger因果检验,考察两市场之间下跌风险溢出效应和上涨风险溢出效应的差异。研究发现,中国股指期现货市场之间不仅存在显著的下跌风险溢出,还存在显著的上涨风险溢出,而且溢出效应随着分位数区间不同而呈现出显著的非对称特征。一方面,期货市场对现货市场的下跌风险溢出在全部分位数区间均显著,而上涨风险溢出仅在分布的中间位置和上尾显著。另一方面,现货市场对期货市场的下跌风险溢出主要集中在尾部极端分位数区间,而上涨风险溢出主要集中在分布的中间位置和低分位数区间。     

因果推断中平均处理效应的估计研究

医学、经济等领域的研究常关注某种处理或政策的有效性,并借助于估计处理或政策的平均处理效应及其方差,进行因果推断。Montes-Rojas(2009)已导出简单逆概加权方法得到的平均处理效应估计量的渐近方差公式。但当个体倾向评分取值接近于0或者1时,利用此公式可能会导致估计量及其方差异常大,从而估计量不稳健。本文类比Montes-Rojas(2009)导出渐近方差公式的方法,给出了扩展简单逆概加权方法下平均处理效应估计量渐近方差的计算公式。通过模拟研究,本文进一步验证了所导出的渐近方差公式的正确性及可行性。     

利用非参数方法对上海股市周末效应的研究

本文首先利用基本统计分析和Kolmogorov -Smirnov检验发现沪市指数收益率不服从正态分布 ,随后利用了K -W检验考察周末效应的存在性 ,利用M -W检验考察周末效应的模式 ,最后利用了Levene检验来对收益率序列的方差进行分析 ,得出上海股市存在“二、五”效应的结论。并从结算制度、信息流的影响、信息披露制度等方面分析了成因。     

沪、深股市波动不对称性的实证分析

本支应用系数多变量EGARCH模型来研究我国沪深股市的波动不对性,结果发现:在全样本时期,收益率呈现深市向沪市的单向溢出,而沪深两市则都呈现显著的波动不对称性特征。分时段来考察,B股对境内投资者开放前后呈现收益率由深市向沪市的单向溢出到双向溢出现象;而波动性的实证结果则显示,以B股对境内投资者开放为间断点,沪市波动不对称性有明显加强的趋势,而深市波动不对称性则呈现由不显著到显著的特征。     

基于Copula-EVT模型的我国股票市场流动性调整的VaR和ES研究

结合相依结构函数Copula和极值理论EVT,构建了我国股票市场经流动性调整的La-Copula-EVT风险价值模型,并用沪深收益序列的分笔高频数据进行了实证分析,发现我国沪深股市收益序列的上尾和下尾都存在较高相关性,后验测试结果表明构建的模型能够对实际损失进行很好的拟合;然后在该模型的基础上进一步分析了我国沪深股市的风险价值和预期不足在不同置信区间的敏感度差异,确定了适合La-Copula-EVT模型的最优置信度区间。     

沪深股市杠杆效应的实证分析

运用 E-GARCH模型对沪深股市的杠杆效应进行了实证分析 ,结果表明 ,日收益存在着明显的杠杆效应 ,收益对波动强度的影响具有非对称性 .     

中国A股市场收益波动的非对称性研究

本文运用ARMA—EGARCH及ARMA-TARCH模型,以1993年1月以来沪深两市的A股指数的日收益为研究样本,检验中国股票市场是否存在波动的非对称性,结果表明:无论是上证还是深证A股市场,收益率波动的非对称性都表现出阶段性特征,股市发展早期,市场表现为反向的非对称性或非对称不明显,随着时间的发展,股市收益的波动则存在非对称性,且表现为杠杆效应。     

ARCH族模型对沪市行业指数收益率的实证研究

本文利用ARCH族模型研究沪市行业指数收益率的波动性.通过对各行业指数收益率的分析发现,行业指数收益率是平稳的,但其条件方差是尖峰厚尾的非正态分布且具有明显的ARCH效应.行业指数收益率均具有不同程度"杠杆"效应.外部信息对公用指数和综合指数收益率影响最大.融入相同的风险,它们收益最高.地产指数对外部信息反应迟钝,收益率也不显著.     

条件收益率下的VaR投资组合研究

本文以新的VaR风险控制体系和价格条件的VaR理论为基础,建立了一种新的最优投资组合模型——μ_s-VaR_s模型。其主要特点有:首先,μ_s-VaR_s模型主要关注相对价格的预期收益和风险,在没有股指期货对冲大盘指数风险的条件下,该模型可以为投资组合跑赢大盘提供了科学思路;其次,在μ_s-VaR_s风模型中,仿照夏普指数创建出了新的选股指标γ_s_i(t),使投资组合更有效率;最后,μ_s-VaR_s模型充分考虑了沪深股票市场的交易成本和交易条件限制,使模型具有较强的现实可用性.经过对沪深股票市场的实证分析发现:μ_s-VaR_s模型明显优于马柯威茨的M-V模型;应用μ_s-VaR_s模型所构建的投资组合的累积收益率显著高于大盘的同期累积收益率.     

沪深股指波动的杠杆效应和星期效应分析

在TGARCH模型中引入哑变量以同时反映条件方差波动的不对称性和星期特征,并运用其对沪深股指波动特征进行了实证分析.结果表明沪深股指波动存在着明显的杠杆效应和星期效应.     

沪深股市回报率、波动率和交易量关系的实证研究

本文首先对回报率与交易量之间的关系进行了研究,发现并不存在非对称的数量关系,但存在双向的葛兰杰因果关系;同时将交易量对波动率的解释能力进行了研究,发现在沪市交易量对波动率具有解释力,而在深市交易量对波动率没有解释力。     

我国居民资产配置行为的随机模拟研究

近两年来,证券市场高涨下的居民资产配置行为备受关注。本文以最优资产选择模型为基础,讨论了2005年7月至2007年5月利率、风险偏好、沪深股市相关性、股市收益波动与居民资产选择的数量关系,采用Monte-Carlo与Bootstrap等方法模拟牛市时期各因素对资产配置行为的影响。研究发现:牛市时期以储蓄存款为主的单一型金融资产结构格局并未改变;从收益率的角度,股市对储蓄的影响比利率大;从风险的角度,利率对储蓄的影响比股市大;利率、沪深股市的之间的相关性大小对居民储蓄投资的影响不容忽视。