基于SV模型的国际现货贵金属市场收益波动的杠杆效应分析

针对国际现货贵金属市场收益波动中是否存在杠杆效应的问题,选取2008年至今的黄金、白银市场数据进行分析,运用具有杠杆效应的SV模型对其收益波动建模,并采取MCMC法—Gibbs法进行参数估计.结果表明:与股票市场的研究结论不同,国际现货黄金、白银市场在整个观察期内几乎不存在杠杆效应;但其震荡期内存在较弱的杠杆效应.     

具有舍入误差微观结构噪音高频数据的杠杆效应分析

本杠杆效应反映了股票收益率与其波动率变动之间的负相关关系,它一直是金融研究的核心问题.在高频时间序列数据中,传统的简单相关系数估计是不相合的,为此一些学者给出了新的杠杆效应刻画-积分杠杆效应,并给出该杠杆效应的估计量.众所周知,高频数据易受市场微观结构噪音的干扰,其中舍入误差是非常重要、实际中普遍存在的一类.高频数据被舍入误差噪音污染后,本文研究上述学者提出的杠杆效应估计量的稳健性,获得杠杆效应估计的相合性及渐近正态性,并用随机模拟对结果进行了验证.     

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.     

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。     

干散货运价波动的杠杆效应特征研究——基于非对称随机波动模型

由信息冲击引起的干散货运价的剧烈波动给航运实体市场带来巨大风险,同等强度的利空消息通常要比利好消息引起更大的市场波动,本文对干散货航运市场运价波动存在的杠杆效应特征进行研究,为航运企业和租船人等把握市场态势、规避风险提供重要依据。考虑运价收益分布的厚尾特征,改变传统的非对称随机波动模型中随机误差项的正态分布假定,建立基于student-t分布的改进的非对称随机波动模型,在贝叶斯分析的基础上通过MCMC方法进行参数估计。通过实证研究发现,在考虑了极端风险情况后,改进的厚尾分布的非对称随机波动模型对干散货运价波动的杠杆效应特征刻画更加准确和优越。     

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。     

ASV-T模型研究及其在中国创业板市场中的应用

本文提出了T分布的带杠杆效应的随机波动模型,该模型同时兼顾了股票市场的杠杆效应和厚尾效应,并对模型进行了统计结构分析,证明了模型的有效性,基于贝叶斯分析,给出了对ASV-T模型的MCMC估计方法,其中对参数采取Gibbs抽样。利用该模型,通过对中国创业板指数的实证研究,证明了ASV-T模型对创业板市场的回报和波动性特征有更好的拟合效果,并且模型能够较好地描述金融数据的杠杆效应和厚尾效应。     

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。     

半参数门限广义非对称随机波动模型研究

为了能够同时刻画和描述金融资产收益序列的偏态、厚尾以及序列的门限效应、非对称杠杆效应等特性,提出把门限广义非对称随机波动模型与非参数Dirichlet过程混合模型有机结合,构建了半参数门限广义非对称随机波动模型,并对模型进行了贝叶斯分析.实证研究中,利用上海黄金价格收益率序列数据进行建模分析,结果表明:半参数门限广义非对称随机波动模型能够有效地刻画上海黄金价格收益率序列波动率的动态特征.     

杠杆效应检验的一种新方法

杠杆效应经常出现在金融风险管理、投资组合及期权定价等众多研究领域中.然而,实际数据中是否确实存在杠杆效应还有待考察.基于局部多项式估计和Kolmogorov-Smirnov非参检验方法,本文提出了一种新的杠杆效应的非参数检验方法,构建了检验统计量,并得到了其渐近性质.模拟研究表明,本文提出的检验方法是有效的.采用SP500指数和MSFT数据进行了实证分析.结果表明,SP500指数和MSFT数据中确实存在杠杆效应,这与金融领域中的观点相吻合.     

ARMA-GARCH模型对上海铜期货市场收益率的建模与分析

本文首先对沪铜期货收益率序列的进行了分析,在单位根检验中克服了观察等价性的影响,并得到为该收益率服从ARIMA（0,1,1）-GARCH（1,1）模型.在此基础上,利用TARCH和EGARCH模型对收益率的杠杆效应进行了检验.     

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.     

On idiosyncratic stochasticity of financial leverage effects

We model leverage as stochastic but independent of return shocks and of volatility and perform likelihood-based inference via the recently developed iterated filtering algorithm using S&P500 data, contributing new evidence to the still slim empirical support for random leverage variation.     

双跳跃仿射扩散模型的几何平均型水平重置期权定价

在资产收益率及其波动率均满足随机跳跃且具有跳跃相关性的仿射扩散模型下,用广义双指数分布和伽玛分布分别刻画非对称性收益率及其波动率的跳跃波动变化,研究了具有几何平均特征的水平重置期权定价问题.通过Girsanov测度变换和多维Fourier逆变换方法,给出了此类重置期权定价的解析公式.最后,通过数值实例着重分析了联合跳跃参数及杠杆效应对水平重置看涨期权价格的影响,并对风险对冲特征作了分析.结果表明,上跳概率,跳跃频率,杠杆效应,收益率波动的两个跳跃参数和双跳跃相关系数对期权价格有正向影响,上跳和下跳幅度对期权价格有反向影响,而期权的风险对冲参数没有出现明显的跳跃现象.这说明文章建立的期权定价模型比经典Black-Scholes模型具有更好的实际拟合能力.     

On the Esscher transforms and other equivalent martingale measures for Barndorff-Nielsen and Shephard stochastic volatility models with jumps

We compute and then discuss the Esscher martingale transform for exponential processes, the Esscher martingale transform for linear processes, the minimal martingale measure, the class of structure preserving martingale measures, and the minimum entropy martingale measure for stochastic volatility models of the Ornstein–Uhlenbeck type as introduced by Barndorff-Nielsen and Shephard. We show that in the model with leverage, with jumps both in the volatility and in the returns, all those measures are different, whereas in the model without leverage, with jumps in the volatility only and a continuous return process, several measures coincide, some simplifications can be made and the results are more explicit. We illustrate our results with parametric examples used in the literature.