基于非参数GARCH模型的中国股市波动性预测

本文采用上证综合指数和深证成份指数1997年1月2日—2005年6月30日的每日收盘价对数百分收益率为样本,运用非参数GARCH(1,1)模型研究了中国股票市场的波动性,并与参数GARCH(1,1)模型的估计结果进行了比较,最后利用六种预测误差度量指标比较了这两种模型的样本内及样本外预测能力,结果发现,非参数GARCH(1,1)模型对股市波动性的预测精度有明显提高。     

自回归条件异方差模型在我国沪市的应用研究

应用自回归条件异方差(ARCH)模型对上海股市2000年—2004年4月上证指数收益率进行建模分析;实证结果反映上证指数收益率具有明显的群集聚集性、波动性、尖峰厚尾的特征,并且ARCH模型的预测能力较强.     

改进的函数系数自回归建模方法对上海股市实证分析

函数系数自回归模型(FAR)是一类更具有适应性的模型。本文利用函数系数自回归模型对上海股市日收益率进行建模及短期预测,改进现有建模对带宽、模型的依赖变量以及阶数确定方法。并与上海股市日收益率的自回归模型结果进行了比较,结果表明改进的函数系数模型具有很好的预测能力。     

基于收益波动性和厚尾性的条件风险价值探究——来自沪深300指数的验证

金融风险的度量是进行金融风险管理的有效途径.基于股票收益的波动性和分布厚尾性两大特征,选取了自2002年1月到2015年1月沪深300指数的每日收盘价,利用指数GARCH模型和极值理论对条件风险价值进行量化探究.分析结果显示,我国股市收益率具有长期波动性,且集群性较强,投机现象比较严重;收益率的波动有一定的持久性,当前信息对于未来风险的预测有一定作用;从收益的动态波动性和静态厚尾性两个角度来对条件风险价值进行探究,更具有全面性和预测性.     

极端波动、跳跃和尾部风险——基于已实现波动率的股票市场风险动态预测

本文基于跳跃扩散波动理论,利用非参数方法估计波动中跳跃成份,研究我国股市波动中跳跃的动态演变特征,将跳跃作为股市波动的重要因素纳入模型,建立我国股指收益率的非齐次自回归已实现波动率模型,利用条件极值方法对我国股市的波动风险进行动态预测.统计结果表明:在股市大波动时期跳跃发生更为频繁,而且和连续成份相比较,跳跃对股指波动的贡献占据主要地位。和传统的EGARCH模型相比,包含跳跃的已实现波动率模型对股指波动风险预测性能明显优于EGARCH模型风险预测,跳跃对股指波动风险预测具有显著的解释力.对股市历史数据的分析和预测表明,跳跃对于股指日收益率尾部行为具有重要的影响,大跳跃的发生导致尾部风险显著增大。本文研究结果对于政府监管部门监控股市和制定有效的调控措施加强股市风险管理具有重要的参考价值。     

机制转换条件下股市收益率跳跃行为研究:基于RS-ARJI模型的以中国股市为例的实证分析

为检验股市收益率机制转换特性,考察机制转换条件下股市收益率的跳跃特征,以及在不同机制下跳跃行为对股市收益率的冲击效应,将Markov机制转换思想引入自回归跳跃(ARJI)模型,构建一个机制转换自回归跳跃(RS-ARM)模型.基于该模型对中国股市进行实证研究,结果表明:股市存在高、低波动两种机制,高波动时期的跳跃幅度和强度及其对股市收益率的冲击均大于低波动时期.同时,波动率估计和预测评价指标显示,RS-ARJI模型优于目前被广泛使用的GARCH模型和ARJI模型.     

GARCH模型估计方法选择及对上证指数的应用

本文介绍了对ARCH/GARCH模型的两种估计方法:准极大似然估计和极小绝对偏差估计,并提出了一种基于自助法(Bootstrap)对估计方法的选择。在厚尾程度不同的情况下进行了模拟分析,表明对于一个具体的数据,该选择法能够自动选择较优的估计方法。并用该方法对上海证券交易所A股和B股的股价指数进行了分析,印证了上海股市B股收益率的尾部厚于A股收益率尾部。     

中国股市波动性的非线性结构检验

在随机模型框架下考察股市波动性对于风险控制和管理是至关重要的。本文对沪、深股市收益率波动性的非线性结构方正启体简体进行了检验。首先,通过M cLeod-L i检验初步确定了非线性结构的存在;然后,使用BDS检验做了进一步的验证;最后,通过Hsieh检验对波动性的非线性结构类型进行了区分。     

次贷危机下中国股市与国外股市相依性分析——基于Markov机制转换模型

文章通过选取2004年1月1日到2009年6月30日中国、香港、日本、英国和澳大利亚五个股票市场日收盘价的道琼斯数据,采用三状态Markov机制转换模型研究这些股市间相依性结构的变化。通过对目标股市结构变化的研究,可以描述并预测股市的波动性,从而指导风险管理。实证分析表明,在有机制转换条件下,澳大利亚与英国、日本股市间的相依性比无机制转换条件下均有所下降,而中国与香港股市间相依性却大幅上升。同时,本文采用总体拟合效果法来选取合适的copula函数并运用基于copula理论的相关系数法进行对比研究,发现次贷危机后各股市间的尾部相依性出现不同的变化,市场收益率呈现下降趋势,波动性均有所增加。其中,澳大利亚与英国股市间的尾部相依性最强,而中国股市与其他股市之间的相依性较弱,说明受到影响的程度较小。     

非参数方法在我国证券市场收益波动研究中的应用

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.     

成交量信息有助于预测中国股票市场的波动吗?

就成交量信息是否有助于预测股票市场的波动率这一问题,目前学术界有两种截然相反的观点存在。本文以中国股票市场代表性指数的代表性波动周期为例,对上述问题进行了实证研究。通过采用较以往研究更为严谨和稳健的样本外滚动时间窗预测法和高级预测能力检验法(Superiorpredictive ability,SPA),本文得到的分析结论包括:(1)成交量信息对中国股票市场的波动过程有显著影响;(2)将成交量纳入GARCH族模型会导致条件方差方程中的波动持续性出现明显下降;(3)引入成交量作为附加解释变量的GARCH族模型并未表现出比一般GARCH族模型更优的波动率预测能力。最后对实证结果给出了理论解释。     

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。     

Volatility forecasting using stochastic conditional range model with leverage effect

In this paper, we propose a stochastic conditional range model with leverage effect (henceforth SCRL) for volatility forecasting. A maximum likelihood method based on the particle filters is developed to estimate the parameters of the SCRL model. Simulation results show that the proposed methodology performs well. We apply the proposed model and methodology to four stock market indices, the Shanghai Stock Exchange Composite Index of China, the Hang Seng Index of Hong Kong, the Nikkei 225 Index of Japan, and the S&P 500 Index of US. Empirical results highlight the value of incorporating leverage effect into range modeling and forecasting. In particular, the results show that our SCRL model outperforms the conditional autoregressive range model, the conditional autoregressive range model with leverage effect, and the stochastic conditional range model in both in‐sample fit and out‐of‐sample forecast.     

Bayesian modeling and forecasting of Value‐at‐Risk via threshold realized volatility

This study proposes a threshold realized generalized autoregressive conditional heteroscedastic (GARCH) model that jointly models daily returns and realized volatility, thereby taking into account the bias and asymmetry of realized volatility. We incorporate this threshold realized GARCH model with skew Student‐t innovations as the observation equation, view this model as a sharp transition model, and treat the realized volatility as a proxy for volatility under this nonlinear structure. Through the Bayesian Markov chain Monte Carlo method, the model can jointly estimate the parameters in the return equation, the volatility equation, and the measurement equation. As an illustration, we conduct a simulation study and apply the proposed method to the US and Japan stock markets. Based on quantile forecasting and volatility estimation, we find that the threshold heteroskedastic framework with realized volatility successfully models the asymmetric dynamic structure. We also investigate the predictive ability of volatility by comparing the proposed model with the traditional GARCH model as well as some popular asymmetric GARCH and realized GARCH models. This threshold realized GARCH model with skew Student‐t innovations outperforms the competing risk models in out‐of‐sample volatility and Value‐at‐Risk forecasting.     

波动率风险溢价:基于香港权证市场的实证

波动率风险溢价包含了关于投资者风险厌恶的重要信息,它的估计是金融计量学文献关注的一个核心问题。本文基于香港权证市场数据和GARCH扩散随机波动率(SV)模型,对香港证券市场的波动率风险溢价进行了估计研究。采用香港恒生指数和指数权证数据,通过建立基于有效重要性抽样的极大似然(EIS-ML)方法联合估计了GARCH扩散模型的客观与风险中性测度,进而得到了香港证券市场的波动率风险溢价。研究结果发现,在香港证券市场上,市场投资者对波动率风险进行了定价,即存在波动率风险溢价,且波动率风险溢价在绝大多数情形下为正,说明市场投资者总体表现为风险爱好。     

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.     

Support Vector Machine as an Efficient Framework for Stock Market Volatility Forecasting

Advantages and limitations of the existing models for practical forecasting of stock market volatility have been identified. Support vector machine (SVM) have been proposed as a complimentary volatility model that is capable to extract information from multiscale and high-dimensional market data. Presented results for SP500 index suggest that SVM can efficiently work with high-dimensional inputs to account for volatility long-memory and multiscale effects and is often superior to the main-stream volatility models. SVM-based framework for volatility forecasting is expected to be important in the development of the novel strategies for volatility trading, advanced risk management systems, and other applications dealing with multi-scale and high-dimensional market data.     

宏观经济信息宣告的股市收益及波动性效应——基于改进的AR(1)-EGARCH(1,1)-M模型的实证检验

基于改进的AR(1)-EGARCH(1,1)-M模型,从收益率和波动性两个方面考察各类宏观信息宣告对股票市场价格行为的影响.结果表明,居民消费价格指数和商品零售价格指数对股票市场的收益有负向影响;国内生产总值、社会消费品零售总额、公开市场操作利率变动率和企业景气指数对股票市场的收益有正向影响;公开市场操作公告会导致股票市场条件收益率显著增加;其余各类宏观信息因素对股票市场收益的波动性并不存在显著影响.     

基于ARMA-GARCH-SN模型的沪深300股指期货日内波动率研究与预测

运用五个交易日的股指期货高频数据(每秒两笔),本文主要研究了沪深300股指期货日内波动率特征并对日内波动率预测。研究发现高频股指期货日内收益率有明显的波动率聚集和条件异方差现象,但无尖峰厚尾现象,收益率序列分布符合有偏正态分布。因此,我们对时间序列建立了最优的ARMA-GARCH-SN模型,并对模型拟合充分性做了验证,拟合结果发现ARMA(1,2)-GARCH(1,1)-SN模型基本能够刻画股指期货高频日内波动特征,条件方差所受的冲击具有很强的持续性、日内波动也具有长记忆性,最后我们还利用自助法对高频股指期货日内波动率两步预测、利用滚动回归预测方法对样本做了样本内预测。预测结果表明,波动率预测结果能够较好地反映股指期货日内波动特征。