基于非对称双成份CARR模型的波动率预测

研究表明,基于日内(高低价)数据构建的价格极差测度相比日度收益率包含更多关于真实波动率的信息,同时,波动率具有聚集性、非对称性和长记忆性等丰富、复杂的典型特征,综合考虑这些特征对波动率进行建模与预测非常重要。本文在对价格极差建模的CARR模型的基础上,对其进行扩展,构建了双成份CARR (CCARR)模型来对波动率进行预测。该模型假设价格极差的条件均值由两个成份组成,即长期成份与短期成份.该模型能够捕获波动率长记忆性,且容易进一步扩展为非对称CCARR (ACCARR)模型来捕获杠杆效应(波动率非对称性)。(A)CCARR模型具有较高的建模灵活性,且易于实现。采用上证综合指数、香港恒生指数、日本Nikkei225指数、法国CAC40指数和德国DAX指数数据进行实证分析,以价格极差与已实现波动率(RV)作为比较基准,四种预测评价指标及Mincer-Zarnowitz检验结果表明:杠杆效应与双成份极差(波动率)都对样本外波动率预测具有重要影响,且杠杆效应相比双成份极差对于样本外波动率预测的影响更大;考虑了杠杆效应的双成份ACCARR模型具有最好的样本外波动率预测效果,其次是ACARR模型,CARR模型表现最差。     

经济政策不确定性与数字货币市场波动影响研究——基于比特币市场的实证分析

本文运用混频模型(GARCH-MIDAS)实证研究了全球和7个国家的经济政策不确定性指标(EPU)对比特币市场的波动率影响。样本内结果表明,全球和七个国家的EPU指数对未来比特币市场波动率有显著的影响,EPU在样本内能提升比特币波动率的预测效果,且美国和澳大利亚的EPU与比特币市场波动率呈正相关,其余EPU与之呈负相关。然后运用模型置信集合(MCS)样本外检验发现,美国经济政策不确定性指标相比其他EPU指标更能提高对比特币市场波动率的预测精度。进一步指出,了解全球以及七国经济政策不确定性对数字货币市场的影响,有助于监管机构和政策制定者判断数字货币市场的未来走向,从而防范数字货币市场引发的金融风险。     

股指期货市场波动率的预测研究

准确刻画和预测股指期货市场的波动率,有利于实现股指期货的价格发现、套期保值和市场调节等功能.文章首先在已实现极差异质性自回归模型(the Heterogeneous AutoRegressive with Realized Range,HAR-RRV model)的基础上,构建HAR-HLT和LHAR-HLT模型;接着,以中国股市中沪深300股指期货的5分钟高频交易数据为样本,通过运用HARHLT和LHAR-HLT模型分析股指期货市场波动率的特征以及预测股指期货市场未来的波动率.研究发现:在HAR-HLT和LHAR-HLT模型中,高频已实现极差、低频已实现极差和趋势已实现极差都包含较多对未来波动率的预测信息;股指期货市场的波动率存在短期的"动量效应"和中长期的"反转效应",其杠杆效应并不明显;HAR-HLT和LHAR-HLT模型对未来1日、1周和1月波动率样本外预测能力都明显强于目前常用的HAR-RRV类模型.     

基于杠杆效应CARR模型的波动率预测

本文提出了一类新的具有杠杆效应的CARR模型,基于广义伽玛分布探讨了杠杆效应CARR模型的参数估计和波动预测。以我国上证指数的2011年6月至2014年3月的每日数据为研究对象,分别运用EARCH模型、传统CARR模型和杠杆效应CARR模型对上证指数的波动率进行拟合,并根据MAE、RMSE和MAPE三个损失函数进行了预测能力比较分析,结果表明:杠杆效应CARR模型在波动性预测方面比EARCH模型的效果更好一些。     

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.     

不同矩属性波动模型对中国股市波动率的预测精度分析

金融时间序列的波动性建模经历了从一阶矩到二阶矩直到高阶矩(包含三阶矩和四阶矩)的过程,而对于高阶矩波动模型是否有助于对未来市场的波动率预测这一问题,国内外学术界尚无文献讨论。以上证综指长达7年的每5分钟高频数据样本为例,通过构建具有不同矩属性的波动模型,计算了中国股票市场波动率的预测值,并利用具有bootstrap特性的SPA检验法,实证检验了不同矩属性波动模型的波动率预测精度差异。实证结果显示:就中国股市而言,四阶矩波动模型能够取得比二阶矩波动模型更优的波动率预测精度,而三阶矩波动模型并未表现出比二阶矩波动模型更强的预测能力;在高阶矩波动模型中包含杠杆效应项并不能提高模型的预测精度。最后提出了在金融风险管理、衍生产品定价等领域引入四阶矩波动模型的研究思路。     

我国短期利率行为特征-基于带跳和异方差的CKLS利率模型研究

选取同行拆借IBO007利率数据,采用拟似然函数估计构建的CKLS类四个模型,研究结果表明:含有跳和异方差的CKLSGJ模型是此类模型中最佳的短期利率模型,模型能恰当的解释我国短期利率均值回复性、水平效应及跳跃行为.蒙特卡洛模拟结果表明:模型能较好的拟合数据,有很强的预测能力.     

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。     

基于双因子已实现GARCH模型的波动率预测研究

准确地预测金融市场的波动率对市场管理者和参与者而言都是至关重要的。本文在标准已实现GARCH模型基础上,将条件方差乘性分解为长期方差和短期方差两部分,分别构造包含杠杆函数的长期方差方程和短期方差方程,用以捕捉波动率的长记忆性和短期微观波动。运用上证综指和日经指数的日收盘价、已实现方差和已实现核波动此类高频数据进行实证分析,结果表明:与标准已实现GARCH模型相比,两指数的双因子已实现GARCH模型在样本内表现出更大的似然估计值;通过样本外误差函数分析和DM检验,双因子已实现GARCH模型也取得更好表现。     

基于NS混合模型的中国利率期限结构动态估计比较研究

采用NS混合模型动态估计中国利率期限结构,考察动态NS模型,无套利NS模型及广义无套利NS模型等NS混合模型对我国利率期限结构的动态估计效率,比较NS混合模型的样本外预测能力,检验无套利约束对混合模型动态估计的影响.本文的经验分析结果表明:无套利条件的引入增强了NS混合模型的样本内动态估计能力和样本外预测能力;五因素的广义无套利NS模型(AFGNS)无论在利率期限结构样本内动态估计还是在总体预测效率上都要高于其他模型,可将其作为利率期限结构研究的基础模型:     

基于组合预测的静态利率期限结构优化模型

针对单个静态利率期限结构模型在拟合收益率曲线时的不足,本文引入组合预测的方法,在绝对误差和与方差和最小准则下,分别建立了静态利率期限结构组合优化模型,并给出了模型的遗传算法求解过程。然后将上海证券交易所2004～2009年的国债每日交易数据分为样本内数据和样本外数据,对多项式样条、指数样条、NS、SV和组合优化模型进行实证比较。结果表明：无论是对于样本内数据的拟合,还是对于样本外数据的预测,组合优化模型的统计特征指标几乎都要优于其他单一模型,并且具有良好的适应性和稳健性,适用于拟合我国国债利率期限结构。     

基于修正的已实现阈值幂变差的股市跳跃波动行为研究

基于非参数统计方法,利用考虑金融资产价格跳跃和杠杆效应的时点波动估计方法修正已实现阈值幂变差,构造甄别跳跃的检验统计量,对金融资产价格中的随机波动、有限活跃跳跃和无限活跃跳跃等问题进行综合研究。为同时吸收波动率的异方差集聚效应和收益率的非对称效应,对原有的已实现波动率异质自回归预测模型进行拓展,将非对称的异质性自回归模型的误差项设定为GARCH模型,以考察跳跃波动序列与连续波动序列之间的复杂关系。利用沪深股指高频数据进行实证研究,包括进行跳跃识别,跳跃活动程度检验和波动率预测效果对比。研究结果表明,沪深股市同时存在布朗运动成分、有限活跃跳跃和无限活跃跳跃成分,其中连续路径方差占主体。同时,收益和波动间的杠杆效应显著,无论短期还是长期,连续波动和跳跃波动对波动率的预测均具有显著影响,同时考虑股价的跳跃、波动和杠杆效应因素有助于更准确地刻画资产价格动态过程。     

短期Shibor跳跃行为的利率模型解释

上海银行间同业拆借利率(Shibor)自运行以来,短期Shibor品种波动异常频繁和剧烈.本文通过对短期Shibor数据的描述和相关统计检验,构建了一个适合其动态特征的ARCH跳跃扩散模型,并通过实证表明,跳跃行为和ARCH效应是描述短期Shibor波动的主要因素.随后结合Shibor运行的宏微观背景,在该模型框架下进行分析,得到大型IPO和未预期到的货币政策调整是导致Shibor跳跃行为的两个主要原因.     

引入跳跃和结构转换的中国股市已实现波动率预测研究:基于拓展的HAR-RV模型

结合日内跳跃识别方法和马尔可夫机制转换模型,对已实现波动率异质自回归模型(HARRV)进行拓展,以刻画连续波动、跳跃波动以及不同方向跳跃波动对未来波动影响的差异和波动的结构转换特征,并运用该模型对上证综指和深证成指高频数据进行实证分析。研究结果表明:在短期内,连续波动和跳跃波动对未来波动影响具有显著的差异;负向跳跃和正向跳跃往往同时发生且幅度相当,但负向跳跃波动对未来波动的影响更大;在不同波动状态下,历史波动对未来波动的影响存在较为明显的差异。MCS检验结果显示,区分跳跃波动方向和考虑波动的结构转换特征可以显著提升模型的样本内和样本外的预测能力。     

人民币短期利率行为研究方法的一个改进——双指数Jump-GARCH-Vasicek模型的构建与应用

受货币政策调控频率提升及大型新股申购等因素的影响,近年来人民币短期利率表现出明显的跳跃行为。为了更准确地描述利率跳跃行为,本文通过假设跳跃幅度服从双指数分布构建一个能刻画短期利率波动聚类、均值回复和跳跃行为的双指数Jump-GARCH-Vasicek模型。利用人民币短期利率数据,将双指数Jump-GARCH-Vasicek模型与Vasicek模型、GARCH-Vasicek模型、正态Jump-Vasicek模型、双指数Jump-Vasicek模型、正态Jump-GARCH-Vasicek模型进行实证对比分析。研究结果表明,人民币短期利率确实存在GARCH效应、均值回复和跳跃行为,且双指数Jump-GARCH-Vasicek模型较其它模型能更好地刻画人民币短期利率的跳跃行为。     

基于GED—GARCH模型的中国原油价格波动特征研究

本文采用中国大庆原油价格日平均交易数据,建立了基于GED分布的GARCH(1,1)、GARCH-M(1,1)和TGARCH(1,1)三个模型,描述了中国原油价格与国际接轨以来的波动特征。实证结果表明,与国际油价类似,中国原油价格的波动也存在显著的GARCH效应,但其波动冲击的半衰期要比国际油价短,为5天。而且,中国原油收益率受到预期风险的负向影响,表明中国原油市场并非完全市场化运作,当然这种负向影响程度较小,约为8%。另外,中国原油价格的波动存在显著的杠杆效应,相同幅度的油价下跌比油价上涨对未来油价的波动具有更大的影响,前者是后者的1.7倍左右。最后,基于GED分布的GARCH模型比基于正态分布的GARCH模型能够更好地描述中国原油价格的波动特征,并且具有较好的预测能力。     

马尔可夫状态转换加随机波动瞬时利率模型实证研究

文章对中国瞬时利率动态行为进行了实证研究,比较了一类马尔可夫状态转换加随机波动扩散模型。与以往研究不同,文章对模型所有参数采用基于Gibbs抽样的马尔可夫链蒙特卡罗模拟方法进行估计。同时,通过MAE(绝对误差平均值)、MRSE(平方误差均值)、调整R~2、对数损失函数LL以及非参数Wilcoxon检验对各种模型的样本内与样本外预测能力进行了分析与比较,结果表明:中国利率市场确实存在马尔可夫状态转换现象,其中Smith模型更适合刻画国内瞬时利率动态行为。     

我国货币政策运行状态的量化分析与预测——基于非平稳离散选择模型和SVM方法比较

本文利用非平稳离散选择(NSD)模型,在两种时间刻度下,对我国央行货币政策操作中调整法定存款准备金率和定期利率的动态行为进行量化分析和预测,并与支持向量机(SVM)的预测结果进行比较.结果表明,核心经济变量及其纵向相对水平变化对央行货币政策调控决策具有显著且较优的解释能力.根据样本外模型预测结果,本文认为以月度为单位对央行制定执行货币政策行为进行分析预测比以季度为单位更为合适.虽然SVM模型整体样本外预测能力优于NSD模型,但NSD核心差分变量模型对央行上下调整政策行为具有较好的预测能力。本文结论对央行的货币政策调整决策行为具有一定的解释能力,有助于市场主体衡量经济运行状态,及时把握央行的货币政策操作动向.     

基于EMD-GA-BP与EMD-PSO-LSSVM的中国碳市场价格预测

由于碳交易市场价格的波动性大及相互影响关系的复杂性,本文试图构建碳价格长期和短期的最优预测模型。考虑到碳交易价格波动的趋势性和周期性特点,基于经验模态分解算法(EMD)、遗传算法(GA)—神经网络(BP)模型、粒子群算法(PSO)—最小二乘支持向量机(LSSVM)模型及由它们构建的组合预测模型,对中国碳市场交易价格进行短期预测和长期预测。实证分析中将影响碳交易价格的不同宏观经济因素和碳价格时间序列因素做为输入变量,分别代入组合模型进行预测。研究结果表明,在短期预测中,EMD-GA-BP模型预测效果优于GA-BP模型和PSO-LSSVM模型;而在长期预测中,组合模型EMD-PSO-LSSVM模型预测效果优于只考虑碳价格波动趋势性或周期性预测效果。     

基于GARCH类模型和SV类模型的沪深两市波动性研究

以CSMAR数据库2007年2月27日至2008年5月14日共297个交易日的上证综指和深证综指的收盘价数据为研究对象,通过比较5类GARCH模型和两类SV模型对上证综指和深证综指样本内(2007年2月27日至2008年2月27日)收益率波动特征的描述能力以及样本外(2008年2月28日至2008年5月14日)收益率波动的预测能力,得出GARCH类模型相比SV类模型更适合描述中国证券市场的波动性.