上海股市波动的预测方式和模型

探讨基于 SV类模型的上海股市波动的预测方式和模型问题 .比较了 SV( stochastic volatility)类模型 (包括基本 SV模型和 ASV模型 )在两种不同方式下的预测效果 ,并将基本 SV类模型的预测效果与 ASV模型 ,以及其他常用模型做了比较 .结果表明 :SV类模型在两种预测方式下的预测效果存在一定的差异 ;基本 SV模型对于上海股市具有较强的预测能力 ;ASV模型的预测效果不理想 .     

基于MCMC方法的金融贝叶斯半参数随机波动模型研究

现有随机波动(SV)模型依赖于参数条件分布形式假设,无法充分描述金融资产收益的偏态厚尾等典型特点,而非参数分布能够更全面地刻画这些特性。本文将SV模型和非参数分布相结合,构建一类半参数SV模型;同时在贝叶斯框架内,发展有效MCMC抽样解决模型的参数估计难问题,并利用对数预测尾部得分(LPTS)法分析模型的极端风险预测能力;最后以我国美元/人民币汇率市场为例,对半参数SV模型在收益特性刻画以及极端风险预测方面的实际效果进行了检验。     

随机波动模型的局部影响分析

在期权定价问题中,有一类反映隐性不可观测波动的时间序列—随机波动(SV)模型.在一定条件下对其序列影响点进行识别:对SV模型的参数应用伪极大似然估计方法进行估计,并在此基础上应用Cook的局部影响分析方法,对其强影响点进行识别,并通过模拟实例,对其影响点识别的效果进行说明.     

基于ICA-SV模型的金融市场协同波动溢出分析及实证研究

对于动态投资组合与风险管理来说,测定波动溢出效应是非常重要的.已有的文献证明SV模型比GARCH模型能够更好地刻画金融市场的波动,使用SV模型研究两个金融市场间波动溢出的文献并不多见,而使用SV模型研究多个金融市场对一个金融市场协同波动溢出的文献则更为少见.本文以独立成分表示金融市场波动的协同指标,提出了独立成分SV模型(ICA-SV),并研究了多个金融市场对一个金融市场的协同波动溢出,实证结果验证了ICA-SV模型在分析金融市场协同波动溢出是可行的.     

厚尾随机波动率模型的贝叶斯参数估计及实证研究

针对现有时间序列模型难以刻画参数渐变性的问题,对厚尾随机波动(SV)模型的参数估计方法进行了推广,采用基于贝叶斯的MCMC方法,选取2013年5月~2016年6月这一经历多轮震荡的上证指数作为实证分析对象,构造了基于Gibbs抽样的MCMC过程进行仿真分析.结果显示,以卡方分布作为厚尾参数的先验分布能够有效地描述数据波动的厚尾特征,并且能得到较高精度的参数估计结果.结果表明,厚尾SV模型能有效反映出我国股市尖峰厚尾和波动长期记忆性的特征.     

基于MCMC的SV模型分钟高频股指波动率研究

利用沪深300股指2018年11月5日-2018年11月12日1分钟数据,基于马尔可夫蒙特卡罗(MCMC)模拟的贝叶斯方法,采用随机波动模型(SV)对我国股市分钟高频数据波动性进行了实证研究,并利用DIC准则进行模型拟合比较.结果表明,沪深300股指收益率序列具有尖峰,厚尾,聚集性等特征,且随机波动模型对于1分钟高频数据的拟合效果优于5分钟数据,标准随机波动模(SV-N)更适合1分钟高频数据.     

基于MCMC模拟的贝叶斯厚尾金融随机波动模型分析

针对现有金融时间序列模型建模方法难以刻画模型参数的渐变性问题,利用贝叶斯分析方法构建贝叶斯厚尾SV模型。首先对反映波动性特征的厚尾金融随机波动模型(SV-T)进行贝叶斯分析,构造了基于Gibbs抽样的MCMC数值计算过程进行仿真分析,并利用DIC准则对SV-N模型和SV-T模型进行优劣比较。研究结果表明:在模拟我国股市的波动性方面,SV-T模型比SV-N模型更优,更能反应我国股市的尖峰厚尾的特性,并且证明了我国股市具有很强的波动持续性。     

基于联合估计法的债券信用利差期限结构拟合及应用

基于2016~2018年月度数据,通过独立估计的单曲线样条模型和SV 模型、联合估计的多曲线样条模型和SV模型拟合公司债信用利差期限结构,进而对模型拟合效果进行比较,讨论模型在宏观经济预测中的应用,得到以下结论:(1)拟合模型的函数形式是导致理论信用利差期限结构曲线翻折的原因。样条模型和SV模型拟合的信用利差曲线形状完全不同,且模型函数变动引起的误差变动大于曲线变动引起的误差变动。(2)联合估计模型可以修正独立估计模型的人为扭曲形式。多曲线模型的结果更接近实际信用利差,误差波动性明显减小,曲线更为平滑,且联合估计的多曲线样条模型优于独立估计的单曲线样条模型、独立估计的SV 模型和联合估计的SV模型。(3)公司债信用利差期限结构在一定程度上蕴含了市场对未来宏观经济的预期信息,且在短期内预测结果随先行期限延长而改善。因此,宏观经济政策制定者需关注信用利差和期限结构模型拟合研究,重视对信用利差期限结构的深度信息挖掘,从而提高中国宏观政策制定者调控手段的前瞻性和有效性。     

有效矩估计在中国股票市场的应用研究

对期权定价模型的一类拓展模型-随机波动率(SV)模型,由于模型中存在不可观测的随机波动因素,并且其精确似然函数很难得到,于是提出了一种基于标的资产价格历史数据的有效矩估计(EMM)方法,此方法是把观测数据映射到简化的辅助模型GARCH(1,1)上,并计算辅助模型得分用以建立矩条件,实现SV模型参数的有效估计.利用这一方法对中国股市进行了波动分析,得出了较好的结果.     

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。     

中国股票市场波动非对称性特征研究

利用三种 GARCH-M模型实证分析了中国股票市场不同发展阶段波动的非对称性特征 .结果发现 ,中国股票市场存在显著的波动非对称性 ,并且在不同阶段呈现不同特点 .对三种模型进行比较的结果显示 ,EGARCH-M模型是描述中国股市波动非对称性特征的最优模型 .     

金融市场波动性的拟合分析

金融市场的波动性是投资者关注的对象之一,也是被研究的热点。本文检验了我国股市的ARCH效应和序列相关性。并且在此基础上,将AR-IGARCH-M模型应用于上海综指和深圳成指,结果表明该模型能有效拟合我国深沪两股市的波动性。最后,针对结果分析了我国的股市行为。     

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     

对我国股票市场股指波动特性的实证分析

本文以上证综指和深成分指数的最新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。     

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.     

金融危机前后中英美股票市场间波动溢出效应比较

为研究波动溢出效应是否存在于中英美股市问,若存在,波动溢出效应传导机制如何,截取2005年7月22日至2009年6月30日的标准普尔500指数、伦敦金融时报100指数、沪深300指数共1045个日收盘数据,时间段分为金融危机前后,分别构建三元MGARCH-BEKK模型,实证结果表明:(1)金融危机发生前,中英美股市间存在波动溢出效应,传导机制为:先从英国到美国再到中国;(2)金融危机发生后,中英美股市间仍存在波动溢出效应,但传导机制变为:先从美国到英国再到中国。通过比较分析实证结果,得出如下结论:(1)美国是全球股票市场风险的主要来源国,特别是金融危机之后更加明显;(2)中国是全球股票市场风险的主要接受国。     

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。     

Asymptotic Behavior of the Stock Price Distribution Density and Implied Volatility in Stochastic Volatility Models

We study the asymptotic behavior of distribution densities arising in stock price models with stochastic volatility. The main objects of our interest in the present paper are the density of time averages of the squared volatility process and the density of the stock price process in the Stein-Stein and the Heston model. We find explicit formulas for leading terms in asymptotic expansions of these densities and give error estimates. As an application of our results, sharp asymptotic formulas for the implied volatility in the Stein-Stein and the Heston model are obtained.     

股市波动性预测模型改进研究

本文从参数估计准则和收益率波动性的定量表达这两方面来探讨股市收益的波动性预测改进方法,并由此提出了以收益率偏差绝对值为代替偏差平方并利用非线性最小二乘法来估计参数的(A)GARCH-NLS模型。最后,我们以国泰君安指数、上证综指以及深证成指1998 1 5-2002 9 25的每日收盘价格为样本来考察各种合理替代所产生的模型对股市波动性的预测性能影响。结果发现,(A)GARCH-NLS模型对股市波动性的预测精确度有了较显著的提高。     

上证综指的已实现波动率预测模型

采用上证综指2000-2008年的高频数据,在考察了中国股市已实现波动率的特征(即具有长记忆性、结构突变、不对称性和周内效应的特征并且结构突变只能部分解释已实现波动率的长记忆性)的基础上,构建了一个自适应的不对称性HAR-D-FIGARCH模型,并用于波动率的预测。模型的估计结果表明,与其他HAR模型相比,该模型对样本内数据的拟合效果最好。最后,通过SPA检验实证评价和比较了该模型与其他5种已实现波动率预测模型的样本外预测精度。结果发现,在各种损失函数下,该模型是预测中国股市已实现波动率精度最高的模型。