首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 62 毫秒
1.
由于股指期货持有空头头寸的投资者面临的风险明显高于持有多头头寸的投资者,因此应该对股指期货保证金分多头和空头分别设置.鉴于我国正处于推出金融衍生产品的探索阶段,交易的安全性和稳定性最为关键.本文通过分析研究,结合中金所设置股指期货保证金水平的做法,选取违约概率为0.001时保证金水平,将沪深300股指期货合约的保证金水平设置区间分别确定为:全尾[9.75%,12.48%]、多头[7.53%,8.57%]、空头[9.5%,13.31%].为了减小违约概率,建议中国金融期货交易所将沪深300股指期货的保证金设置水平调整为14%-16%的水平.  相似文献   

2.
徐毅 《运筹与管理》2007,16(4):121-126
基于VaR技术的保证金计算方法被视为保证金制度发展的趋势,蒙特卡罗模拟则被用来解决传统VaR模型对价格波动极端状况时的低估问题。根据基于蒙特卡罗模拟的保证金算法对上海期货交易所铜期货保证金水平的实证结果,模拟的保证金算法能够适应铜期货合约风险管理的需求,保证金水平反映了市场风险状况,也有效的降低了投资者交易成本。铜期货合约现行静态保证金收取方式亟需改进,5%保证金比例总体偏高,但在市场剧烈波动时又略显不足。综合考虑反馈检验,投资者交易成本,以及模型的计算时间,EGARCH-T是最佳的铜期货保证金模拟算法。  相似文献   

3.
1982年2月24日,世界上第一个股指期货合约——价值线指数期货合约(Value Line Index)在堪萨斯市农产品交易所上市交易.股指期货作为应用最广泛的金融期货之一,已有了近30年的历史.2010年4月16日我国股指期货也正式上市交易,这对我国金融市场来说是具有里程碑意义的.本文以股指期货推出前后沪深300指数普通收益数据和5分钟高频收益数据为样本,从描述性统计量对比和GARCH模型分析两个角度入手,研究我国股指期货对于股票现货市场波动性的影响.得出结论:第一、股指期货推出不会改变股票现货市场的长期趋势;第二、股指期货推出后市场的信息传递速度加快,股指期货发挥了其价格发现功能;第三、股指期货推出在长期减小了现货市场的波动,发挥了其规避风险、稳定市场的功能.  相似文献   

4.
自2010年4月16日推出股指期货以来,我国借鉴了香港股指期货交易的时间模式,即每天在现货市场开盘前和收盘后的各扩展了15分钟交易时间。本文重点研究了我国股指期货在现货交易的前后各扩展的15分钟是否包含影响现货收益率的有用信息。采用价格加权贡献值测量表明股指期货在股市开市前的15分钟交易对价格发现更有显著作用。同时,对T.Hiraki,E.D.Maberly和N.Takezawa提出的模型进行改进,发现股指期货的15分钟效应对次交易日现货收益率有显著影响。  相似文献   

5.
基于统计套利交易的思想,对沪深300股指期货合约间价差的波动规律进行了研究,并在该波动规律的基础上建立了股指期货的跨期套利模型.从交易的效果来看,我国股指期货市场存在着跨期套利空间.  相似文献   

6.
首先通过分析交易成本、冲击成本、融资融券等因子对我国沪深300股指期货定价的实际影响,运用Klemkosky和Lee的模型得到了一个符合我国市场实际的股指期货定价模型.接着,运用此模型分别对股指期货合约:IF1506,IF1507,IF1508,IF1509,IF1510的分钟收盘价格(2014年10月20日至2015年10月16日)的真实数据进行实证研究.研究表明股指期货的实际价格落在模型计算的价格区间外的比重较大,套利机会较多.  相似文献   

7.
所谓股指期货,就是以某种股票指数为标的物的金融期货合约.它同时具有股票与期货的特性,是组合投资者规避系统风险的重要金融衍生工具.针对股指期货,在考虑套期保值成本的前提下,利用套利和CAPM模型给出最优套期保值比率的计算公式.这将在一定的程度上,提高了计算的准确性,并且减少计算的工作量.  相似文献   

8.
价格发现功能是股指期货的一项重要的经济功能.以股指期货与现货市场的相互关系作为出发点,以沪深300指数以及沪深300股指期货连续合约日收盘价数据作为研究对象,采用定性分析与实证分析相结合的手段,深入研究股指期货和现货市场间价格发现关系.  相似文献   

9.
机器学习在人工智能领域取得了巨大的成就,在学界和业界都掀起了机器学习的热潮.针对股指期货交易速度快、交易频率高和交易量巨大且交易数据具有高纬、时序的特征,构建了新的股指期货量化投资模型,采用沪深300股指期货1分钟高频数据作为研究对象.并对比分析了神经网络、支持向量机和XGBoost对股指期货下1分钟价格的变动方向的预测能力.研究结果表明,三种机器学习方法都具有较好的预测能力,但XGBoost的预测能力要优于传统的神经网络和支持向量机.  相似文献   

10.
中国近4年才成立的股指期货市场价格呈现出非平稳、非线性的信号特征,传统的预测方法无法对长相关序列进行精确预测.将EMD与RBF相结合,建立了一种新的预测方法对我国股指期货日结算价格进行预测.结果显示本模型将原本具有长相关性质的原始序列分解为若干个短相关性质的不同频带,解决了原始序列随机性强,以及因相邻频带的干扰而造成的系统动力信息反映不足的缺陷;并与其他预测模型进行比较,显示出较高的预测精度.  相似文献   

11.
基于GARCH模型族的中国股市波动性预测   总被引:24,自引:0,他引:24  
收益与风险历来都是投资者与研究者所关注的问题 .本文选取 GA RCH、TGARCH和 EGARCH模型来拟合中国股市的波动性 .实证分析结果表明 ,中国股市的波动具有显著的波动聚类性与持续性 ;由 E-GARCH模型所预测的上证 30指数、上证综合指数和深证成份指数未来一天的波动要明显优于 GARCH和TGARCH模型的对应值 ,而对香港恒生指数 ,三种模型的预测结果无显著的差异 .  相似文献   

12.
文运用两阶段回归方法,利用上海证券交易所和深圳证券交易所的A股交易数据,针对流动性风险与股票收益率之间的关系进行了实证检验。在把流动性风险分解成系统流动性风险和个体流动性风险以后,作者发现无论是系统流动性风险还是个体流动性风险都对股票收益率有显著的影响;并且与成熟市场不同的是,在中国市场上个体流动性风险对收益率的影响比系统流动性风险的影响要更显著。因此在今后研究中国股市的流动性定价时,研究人员需要考虑个体流动性风险才能够对股票收益率进行更好的解释。  相似文献   

13.
利用GARCH模型,对深圳成分指数的周收益率波动性进行了实证研究。以深证成指周收盘数据建立了GARCH模型,利用估计出的GARCH模型得到深证成指周收益率序列的条件方差的估计值,预测出深证成指周收益率序列未来若干期的条件方差。结果表明,深证成指周收益率序列的波动性可以用GARCH模型进行很好的拟合。  相似文献   

14.
使用BEKK—二元GARCH(1,1)模型,对于我国股票市场和国际主要股票市场之间的波动溢出效应进行了实证研究.分析结果表明,上证综指和标准普尔500指数、日经225指数之间存在单向波动溢出效应,而上证综指和香港恒生指数之间存在双向波动溢出效应,上证综指和新加坡海峡时报指数之间不存在波动溢出效应.  相似文献   

15.
本文对上证综指及深证成指的收益率进行了稳定分布拟合,并与正态分布的拟合加以比较分析,结果表明稳定分布能更好的处理股票市场中的“尖峰厚尾”现象。  相似文献   

16.
非参数方法在我国证券市场收益波动研究中的应用   总被引:2,自引:1,他引:1  
以上海证券交易所综合指数日收益率数据为样本,讨论了非参数方法在建立股票价格模型中的应用.在此基础上,对股市收益分布进行了研究,并据此对市场走向进行了预测.  相似文献   

17.
中国股票市场波动特性的实证研究   总被引:4,自引:0,他引:4  
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  相似文献   

18.
沪深两市收益率与成交量因果关系的实证研究   总被引:2,自引:0,他引:2  
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.  相似文献   

19.
本研究利用2006年10月30日至2009年3月13日期间的仿真的沪深300指数期货每日结算价,探讨了期货价格的不对称跳跃波动行为。在实证研究方法上,本文以Chan和Maheu的GARCH(1,1)-ARJI模型为基础并进行了扩展,以EGARCH(1,1)-CJI和EGARCH(1,1)-ARJI两种模型来刻画股指期货价格的不对称和跳跃波动行为。实证结果显示:(1)沪深300仿真股指期货价格存在不对称跳跃波动,而且跳跃强度不为一固定常数,异常信息所产生的跳跃强度是随着时间变动的。(2)经过似然比检验,结果显示EGARCH(1,1)-ARJI模型比EGARCH(1,1)-CJI模型具有更好的拟合能力。  相似文献   

20.
GARCH models are commonly used for describing, estimating and predicting the dynamics of financial returns. Here, we relax the usual parametric distributional assumptions of GARCH models and develop a Bayesian semiparametric approach based on modeling the innovations using the class of scale mixtures of Gaussian distributions with a Dirichlet process prior on the mixing distribution. The proposed specification allows for greater flexibility in capturing the usual patterns observed in financial returns. It is also shown how to undertake Bayesian prediction of the Value at Risk (VaR). The performance of the proposed semiparametric method is illustrated using simulated and real data from the Hang Seng Index (HSI) and Bombay Stock Exchange index (BSE30).  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号