中国股票市场波动特性的实证研究

本文以上证综指和深成分指数的日收益率为研究对象 ,应用 GARCH、TARCH模型理论 ,进一步分析了日收益率波动的条件异方差性、非对称性 ,同时比较了两个股票市场的不同波动特征     

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。     

上海股市收益的多重分形分析——滑动窗MFDFA方法的应用

介绍了一种新的MFDFA(mu ltifractal detrended fluctuation analysis)方法,利用基于滑动窗技术的此MFDFA方法研究了上证综指日收益率序列的波动特征。结果表明:上证综指收益率序列具有多重分形特征,小幅波动具有持续性,大幅波动可能具有反持续性。     

基于GARCH模型的波罗的海干散货运价指数预测北大核心

为准确地把握波罗的海干散货运价指数(BDI)的变化趋势,选用一阶对数差分方法,对近期BDI日收益率序列的基本统计量特征进行了分析,验证了BDI日收益率序列的"尖峰厚尾"及波动的集聚性等特征,并进一步运用GARCH(1,1)模型,分析了其波动的持续性和滞后性.在此基础上,基于GARCH模型构造了预测的方法步骤,经优化调整滞后期对BDI日收益率进行了预测,最后,通过将BDI对数日收益率序列还原为指数序列,对BDI进行了预测,实证分析结果验证了模型及方法的适用性和有效性.     

基于GARCH模型的波罗的海干散货运价指数预测

为准确地把握波罗的海干散货运价指数(BDI)的变化趋势,选用一阶对数差分方法,对近期BDI日收益率序列的基本统计量特征进行了分析,验证了BDI日收益率序列的"尖峰厚尾"及波动的集聚性等特征,并进一步运用GARCH(1,1)模型,分析了其波动的持续性和滞后性.在此基础上,基于GARCH模型构造了预测的方法步骤,经优化调整滞后期对BDI日收益率进行了预测,最后,通过将BDI对数日收益率序列还原为指数序列,对BDI进行了预测,实证分析结果验证了模型及方法的适用性和有效性.     

基于多分形波动率测度的股票市场条件收益率分布

多分形波动率MFV(multifractal volatility)是一种最近提出的金融市场波动率测度方法。以中国股票市场最具代表性股价指数(上证综指和深证成指)的代表性波动周期为例,通过运用描述性统计、QQ图和双变量分布散点图等方法,分别考察了非条件收益率、基于MFV的条件收益率和基于GARCH类波动率测度的条件收益率分布特征。研究结果显示,经过MFV标准化后的条件收益率分布较非条件收益率和基于GARCH类波动率测度的条件收益率更接近于正态分布,多分形波动率MFV对中国股票市场波动特征的刻画优于传统的GARCH类模型。     

原油差价合约波动性实证分析

对BRENT原油差价合约(CFD),2005年12月30日至2013年12月6日的日收盘价格进行了统计拟合分析,得出其收益率序列具有尖峰厚尾、条件异方差、波动集聚,投机氛围浓厚等特征.在模型中引入外生变量,美元指数,标准普尔指数,现货黄金,使用用GARCHX模型,得出SP500、黄金对原油差价合约日收益率负相关,美指和原油差价合约日收益率正相关,给出了相应的投资建议.     

基于SV-M模型的全球股市交易指数波动与收益率的多分辨分析

为了有效揭示收益率与波动的关系,本文采用极大重叠离散小波变换,将收益率分解在不同的交易周期上,建立各自的SV-M模型,考察各周期收益率与波动的关系及其他参数随交易周期的变化情况。实证表明,全球各大股票交易市场的收益率,收益率与波动的在较小的尺度上关系不显著,但在较大尺度上,存在明显的正相关关系;且随交易周期的增长,收益率的相关性及波动持续性逐渐增强。     

GARCH模型在股票市场风险计量中的应用

本文以上证综指的日收益率为研究对象,运用GARCH模型簇分析上海股市日收益率波动的条件异方差性,计算每天的V aR值.实证研究表明,GARCH模型的V aR计算方法对我国股市风险的管理有较好的效果.     

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.     

沪深两市收益率与成交量因果关系的实证研究

以上证综合指数和深证成分指数的日收益率及日成交量为研究对象,应用协整理论和G ranger因果关系,考察了两市指数日收益率与日成交量变动率的相互关系,并得出结论.     

我国股市收益的双长记忆性检验——基于VaR估计的ARFIMA-HYGARcH-skt模型

针对股市收益分布的"尖峰肥尾"特征,引入了偏t分布作为新息分布。基于VaR方法,从风险估计的角度,利用ARFIMA(2,d_1,0)-HYGARCH(1,d_2,1)-skt模型对1996年12月17日至2007年7月5日期间的沪深股市收益进行了实证分析.实证结果显示:沪深股市具有显著的双长记忆特征;上海股市的日收益率和波动率的长记忆性均比深圳股市强;ARFIMA(2,d_1,0)- HYGARCH(1,d_2,1)-skt模型对我国股市收益具有较强的风险估计和预测能力。     

中国股市大公司股票与小公司股票收益关系的实证研究

对中国股市的大公司股票与小公司股票的价格与收益关系进行了实证研究,结果表明大公司股票与小公司股票的收益无论在牛市阶段还是熊市阶段都存在较高的相关性;熊市阶段大公司股票收益的自相关程度最高,存在一定趋势性.大公司股票与小公司股票的价格序列是单位根的,但不是协整的,二者的收益序列是稳定的,在牛市阶段和熊市阶段大公司股票与小公司股票收益之间存在双向的领先—滞后后关系.     

股票回报率与汇率的关系——基于中国的实证

考察了上海股票市场A股的回报率与人民币汇率的关系．首先,经过单位根检验发现：股票回报率与人民币名义汇率是一阶单整。接着,利用Engle—Granger协整检验得到：在5％的显著性水平下,股票回报率与人民汇率没有长期均衡关系,但不能够拒绝短期单方向的Granger因果关系,即人民币名义汇率是股票回报率的Granger原因．     

中国股市价格-交易量动态因果关系研究

研究了中国股票市场交易量是否含有预测未来收益变动的有价值信息 .实证结果表明 :交易量和收益序列存在即期的正相关关系 ;过去交易量包含未来绝对收益变动的有价值信息 ;中国股票市场交易量和收益序列存在双向的线性因果关系 ,交易量不仅传递价格绝对变动量的信息 ,而且在很大程度上还传递价格变动方向的信息 .     

Estimating volatility on overlapping returns when returns are autocorrelated

Overlapping financial returns are sometimes used to increase the efficiency and power of statistical tests and for Value-at-Risk analysis. This is particularly useful when there are not many observations, such as daily returns for emerging markets. Sometimes, returns show autocorrelation. In this paper, unbiased variance estimators are derived for overlapping returns when the returns are generated by AR(1) or MA(1) processes. A limited Monte Carlo experiment reveals that alternative estimators can suffer from substantial bias. The relevance of using proper estimators is emphasized by considering daily returns for six emerging markets.     

Development and Evaluation of Decision-Making Model for Stock Markets

The paper introduces an intelligent decision-making model which is based on the application of artificial neural networks (ANN) and swarm intelligence technologies. The proposed model is used to generate one-step forward investment decisions for stock markets. The ANN are used to make the analysis of daily stock returns and to calculate one day forward decision for purchase of the stocks. Subsequently the Particle Swarm Optimization (PSO) algorithm is applied in order to select the “the best” ANN for the future investment decisions and to adapt the weights of other networks towards the weights of the best network. The experimental investigations were made considering different forms of decision-making model: different number of ANN, ANN inputs, sliding windows, and commission fees. The paper introduces the decision-making model, its evaluation results and discusses its application possibilities.     

股票市场的长记忆及其动态结构

本文提出了结合平均小波系数法和自回归原始自助法的稳健长记忆检验,蒙特卡罗模拟显示该方法对于短期记忆过程具有稳定性。基于该方法对2005年4月8日至2015年6月30日的中国、美国、香港和德国股市进行了实证分析。全局检验结果表明仅中国的股票市场存在显著的长记忆,并且风险因素无法对长记忆解释,而美国、德国和香港的股市不存在长记忆。基于递增窗口的动态Hurst指数分析显示,金融危机时期4个股市都存在显著的长记忆。2010年后,除中国股市外,其余三个股市几乎不存在长记忆现象。