上海股市信息散布过程实证分析

本文基于日内高频数据实证分析了上海A股、B股市场的收益率和交易量之间的同时和动态关系,实证结果表明在上海股市信息渐达假说较之混合分布假说更有一定的适用性,而且A股市场的信息不对称程度要大于B股市场,并进而带来了低效率。     

金融系统的非线性分析:交易量对股价波动的非线性影响

如何研究股价波动和成交量之间的关系一直是金融系统研究中感兴趣的话题.Lamoureux 和 Lastrapes 认为选择日交易量度量每天流入市场的信息量是合理的,但他们假定交易量对波动率的影响是线性的.提出部分非线性GARCH模型分析交易量对股票市场波动率的影响,基于GARCH模型局部线性化非参数似然估计方法,对中国证券市场股票价格和交易量数据进行实证研究.结果表明,交易量对股价波动的影响具有显著的非线性性.     

中国股票市场交易量与价格波动关系实证研究

利用个股数据资料和非对称成分GARCH-M模型对中国股票市场的量价关系进行了实证研究.结论显示:股价的短期波动主要由非预期交易量解释,即非预期交易量所揭示的新信息是产生价格波动的根源;中国股票市场部分个股存在明显的杠杆效应,利空消息对市场波动的冲击大于同等程度的利好消息对市场波动的冲击;非预期交易行为对市场波动的冲击存在显著的非对称特征,正的交易量冲击(交易量放量冲击)比同等程度的负交易量冲击(交易量缩量冲击)对市场波动的影响更大.     

金融市场波动性CARR类模型与GARCH类模型的比较研究

在CARR模型基础上提出它的衍生模型ABSCARR模型,并利用广义误差分布(GED)讨论了它们的条件残差分布问题,最后运用CARR类模型对高频金融时间序列进行了实证分析.研究结果表明:CARR及其衍生模型在高频金融时间序列的价格波动性捕捉方面具有良好的效果,而GED的引入可以很好的用于分析CARR模型具体的条件分布情况,而CARR模型的条件残差分布应该并非只有指数分布与威布尔分布两种形式.     

基于动态交易量预测的VWAP算法交易卖出策略

传统的VWAP交易策略通过预测区间交易量分布进行拆单交易,对于交易量区间分布的预测是基于区间成交量占总成交量比例进行的,这一预测方法没有考虑股票价格变动因素。因此,本文首先通过时间序列因素分解方法进行区间交易量分布预测,进而根据股票价格变化对区间交易量分布进行动态调整,并构建了基于动态区间交易量分布的股票卖出策略,最后通过实证检验了本文给出的动态区间交易量分布预测的有效性和交易策略的有效性。数值结果表明,本文所给动态区间交易量分布预测方法比传统VWAP方法预测结果更加接近于实际的交易量分布,且本文所给交易策略与传统VWAP交易策略相比,具有更大的收益。     

基于高频数据的IPO首日量价关系研究

本文基于高频数据对IPO首日的量价关系进行了实证研究,采用了分组研究以及回归分析的方法。研究发现,IPO首日的价格变化(绝对值)以及价格变化都与归一化交易量有着正相关关系,且价格变化(绝对值)更加敏感。同时,本文还对时刻、板块、流通市值以及中签率与IPO首日的价格变化(绝对值)及价格变化的影响进行了研究,并给出了相应的解释。     

基于投资者情绪的股票价格及成交量预测研究

基于新浪微博2014年数据,运用情感分析技术构建情绪指数,考察了投资者情绪与股票市场指数的相关性及其预测能力,并通过加入百度指数平台获取的搜索指数,考察了两种指数共同作用的影响.研究结果表明,搜索指数与创业板指收盘价及交易量均呈正相关,情绪指数与创业板指收盘价及交易量均呈负相关:情绪指数对股票价格有预测作用,仅短期影响显著,对股票交易量预测作用不显著;搜索指数对交易量的预测有显著作用,但无法提升股价的预测精准度:当两种指数同时作用时,股价预测精准度得到较大的提升,交易量未能达到预期的改善.研究证明网络信息中蕴含的有效信息可以有助于预测包括股价、成交量在内的市场变量,有助于投资者更好的利用网络中的有效信息进行金融决策行为.     

中国股市量价关系分析中的后验分布构造与模拟

研究中国股票市场中的两个重要指标:股票价格与交易量,随机波动模型具有长期波动性预测能力,只是由于参数估计的困难而没有受到重视.随着马尔可夫链蒙特卡罗(MCMC)方法和计算机计算能力的提高,这种困难是可以克服的.采用基于马尔可夫链蒙特卡罗(MCMC)模拟技术的贝叶斯估计方法,在基于引入预期交易量和非预期交易量的随机波动模型下,对模型参数进行后验分布的构造,并以2005年1月-2012年5月的上证综合指数的每日收盘指数及相应的日成交量序列为样本,通过实证仿真得到参数结果值.结果表明,非预期交易量对股市价格的影响要大于预期交易量.     

投资者情绪、股票流动性与股价泡沫——基于GASDF检验法的分析

股价泡沫严重影响资本市场健康运行,而投资者情绪和市场流动性是影响泡沫膨胀和破灭的重要因素。为探究二者对股价泡沫的作用机制,本文选取上证行业指数,通过动态因子分析法,将百度指数等网络社交媒体数据与换手率等传统情绪代理变量相结合,构建多个行业的投资者情绪指标。随后基于广义右尾单位根(Generalized Sup-ADF, GSADF)检验法,检测了不同行业的泡沫,并运用面板Logit模型和中介效应检验方法,进一步分析了投资者情绪、流动性与行业股价泡沫之间的关系。实证分析及稳健性检验结果均表明,投资情绪与流动性对股价泡沫的存在性具有显著的正向作用,投资者情绪可以通过促进流动性的提升,导致股价泡沫产生的可能性的进一步提高。研究结论对于防范股价泡沫风险具有重要启示,为监管者对加强市场情绪监管提供相关理论依据。     

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。     

基于成交量分解模型的改进VWAP策略

传统VWAP(交易量加权平均价格)策略通过拆分大额委托订单,跟踪市场成交均价,达到最小化冲击成本的目的,而准确预测成交量日内分布是运用VWAP策略的关键。通过详细考察现有的改进VWAP策略中成交量预测模型的建模方式和预测结果,发现由于无法分离成交量日内周期结构,现有模型样本依赖性较大且难以适用于多数股票。因此,本文从个股与市场成交量变化趋势的关系角度出发,推导个股成交量与市场趋势的关系,通过构造个股成交量关于市场因素的因子载荷,将日内成交量分解为市场共同部分和个股特殊部分,预测成交量日内分布并构建动态VWAP策略。实证结果表明新的成交量分解模型可以有效分离个股的成交量日内周期结构,在此基础上构造的改进VWAP策略不仅具有较为广泛的适用性,且跟踪误差减少幅度比现阶段同类型的改进VWAP策略更大,能更好的降低市场冲击成本。     

基于双AR(p)模型的股价分析及其实证研究

在双AR(p)模型的基础上,选取了具有代表性的沪深300指数,并对其部分股市收盘价序列进行了平稳化处理,研究了近期中国股市的股价波动.在双.AR(p)模型严平稳条件下进行了模型诊断,最后通过动态预测得出双AR(p)模型可用于股价预测的结论.     

Microfoundations for diffusion price processes

We study microeconomic foundations of diffusion processes as models of stock price dynamics. To this end, we develop a microscopic model of a stock market with finitely many heterogeneous economic agents, who trade in continuous time, giving rise to an endogeneous pure-jump process describing the evolution of stock prices over time. When the number of agents in the market is large, we show that the price process can be approximated by a diffusion, with price-dependent drift and volatility coefficients that are determined by small excess demands and trading volume in the microscopic model. We extend the microscopic model further by allowing for non-market interactions between agents, to model herd behavior in the market. In this case, price dynamics can be approximated by a process with stochastic volatility. Finally, we demonstrate how heavy-tailed stock returns emerge when agents have a strong tendency towards herd behavior.     

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.     

混合分数布朗运动下欧式期权模糊定价研究

本文采用混合分数布朗运动来刻画标的股票价格的动态变化,以此体现金融市场的长记忆性特征。在混合分数Black-Scholes模型的基础上, 基于标的股票价格、无风险利率和波动率均是模糊数的假定下,构建了欧式期权模糊定价模型。其次,分析了金融市场长记忆性的度量指标 Hurst指数H对欧式期权模糊定价模型的影响。最后,数值实验表明:考虑长记忆性特征得到的欧式期权模糊定价模型更符合实际。     

基于DAG-SEM模型的中美股票市场间信息溢出研究

以中美贸易战为背景,研究美国股票市场、中国A股市场与香港股票市场的动态溢出效应。运用DAG-SEM模型和信息指数模型的静态和动态分析法测度市场间波动率信息溢出的方向、强度以及动态变化过程。研究发现:在贸易战期间,美股、港股和A股之间的溢出强度均增加。中国内地股市与美国股市呈双向信息溢出,标普500指数与沪深300指数的“方向交替”多于道琼斯与沪深300指数。特别地,贸易战白热化阶段,即2018下半年至2019上半年,中国内地股市对香港股市的信息溢出强于美国股市,成为港股信息溢出的主要传导者。     

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。     

基于石油行业影响股票流动性的实证分析

采用买卖价差和市场深度代表股票流动性水平,根据Brockman&Chung模型分析了影响我国股市流动性的因素.研究发现,交易量与流动性正相关,股票价格及股票收益率的波动性与流动性呈负相关关系.但当流动性选取的指标不同时,股票价格对其影响也是存在差异的.