基于股市高频数据的半参数估计方法

针对非参数方法研究国内股市长记忆性时结论参差不齐的现状,本文研究了更为稳健的半参数估计方法,即局部W h ittle(LW)估计和对数周期图(LP)回归。通过对不同频率高频数据的分析,证实了LW估计方法尽管需要数值最优化,但仍然要优于LP回归。进而将LW估计首次应用于中国股市,结果表明不同频率绝对收益序列的长记忆强度基本一致;同时发现,重大突发事件发生时的长记忆性表现得最为强烈,且事件后比事件前表现的要强烈,这说明股票市场的溢出效应在事件后增强,此项结论对我国证券市场有一定的借鉴意义。     

基于FIDC模型变点检测的美国次贷危机传染分析

现有文献主要讨论单个市场收益的长记忆性质或者市场间收益的相依性,但都没有将上述两个问题联系起来进行研究.与以往研究不同,文章将研究多个国家的股票市场收益与美国股票市场收益之间尾部相依性的长记忆问题.这不仅能检验市场的有效性,还有助于刻画国际市场间的相依结构,观察危机传染的特征并做出预警.为了刻画市场间尾部相依长记忆性的动态变化结构,文章对现有模型加以改进,提出了长记忆性的变点检测方法.从变点的角度实证分析了中国、日本、德国和法国股市与美国股市之间尾部相依的长记忆性,进而研究了次贷危机的传染现象.实证结果表明,文章提出的模型在分析金融传染方面是有效的,在不同的股市之间的实证结果具有相似性.第一变点和第二变点的时刻分别与次贷危机的结束和开始时间相对应,基于两个变点将数据分为三段对估计结果进行分析发现,下尾相依系数在危机传染期间明显变大,而且相依性的长记忆性也明显增强,说明次贷危机对所分析的国家具有传染效应.     

基于贝叶斯ARFIMA-WRV模型高频数据长记忆性研究

考虑到高频时间序列波动率的长记忆性问题,构建了赋权已实现波动分数整合自回归移动平均(ARFIMA-WRV)模型对其进行了研究.利用贝叶斯统计方法对模型做了相应的贝叶斯分析,并对我国中小板股市收益波动率的长记忆性特征进行了实证分析.实证结果表明我国中小板股市收益波动率存在长记忆性特征;采用消除日历效应影响的赋权已实现波动作为波动度量和贝叶斯参数估计方法,很大程度上提高了模型的参数精度.     

我国股市收益的双长记忆性检验——基于VaR估计的ARFIMA-HYGARcH-skt模型

针对股市收益分布的"尖峰肥尾"特征,引入了偏t分布作为新息分布。基于VaR方法,从风险估计的角度,利用ARFIMA(2,d_1,0)-HYGARCH(1,d_2,1)-skt模型对1996年12月17日至2007年7月5日期间的沪深股市收益进行了实证分析.实证结果显示:沪深股市具有显著的双长记忆特征;上海股市的日收益率和波动率的长记忆性均比深圳股市强;ARFIMA(2,d_1,0)- HYGARCH(1,d_2,1)-skt模型对我国股市收益具有较强的风险估计和预测能力。     

基于LMSV模型的半参数方法对股市波动长记忆特征的识别

在金融时间序列波动具有显著的长记忆性这一背景之下,研究了LMSV模型长记忆参数的估计问题。首先,分析了LMSV模型的相关性质;接着,根据LMSV模型和ARFIMA模型的良好对应关系,提出了估计LMSV模型长记忆参数的半参数方法;最后,基于股市数据,验证了波动半参数方法的有效性。     

基于小波变换的LMSV模型对人民币汇率波动的研究

将小波引入到LMSV模型波动长记忆性的估计与检验中,提出了基于小波变换的LMSV模型波动长记忆性的伪极大似然估计法和波动长记忆性的检验方法,并对各汇率波动序列长记忆效应的大小程度进行了验证．结果表明各汇率波动序列存在长记忆效应．人民币对美元的汇率波动序列受历史信息的影响程度最高．     

股票市场的长记忆及其动态结构

本文提出了结合平均小波系数法和自回归原始自助法的稳健长记忆检验,蒙特卡罗模拟显示该方法对于短期记忆过程具有稳定性。基于该方法对2005年4月8日至2015年6月30日的中国、美国、香港和德国股市进行了实证分析。全局检验结果表明仅中国的股票市场存在显著的长记忆,并且风险因素无法对长记忆解释,而美国、德国和香港的股市不存在长记忆。基于递增窗口的动态Hurst指数分析显示,金融危机时期4个股市都存在显著的长记忆。2010年后,除中国股市外,其余三个股市几乎不存在长记忆现象。     

基于一类长记忆过程的经济时间序列建模研究

本文介绍了长记忆的概念 ,首次提出了一种与 ADF检验相结合的长记忆性判断方法。给出了将参数 d的初估计与近似极大似然估计相结合 ,将时间序列长记忆分析与短记忆分析相结合的建立ARFIMA模型的方法。论文进行了实证研究 ,并证明了该模型与其它模型相比的优效性     

基于两步法带宽选择的金融时间序列长记忆参数估计

金融时间序列长记忆参数的半参数估计方法以频域分析为主,带宽选择是其中必不可少的关键环节。不同的带宽可能给出差异明显的长记忆参数估计值,甚至产生矛盾的结论,进而影响时间序列平稳性的判断。本文提出一种两步法,用于金融时间序列长记忆估计的半参数方法的带宽选择,并进一步对长记忆参数进行估计:首先,为了克服半参数方法忽略短期结构的不足,通过信息准则判断ARFIMA(p,d,q)过程的短记忆结构;其次,用短记忆模型拟合差分后的序列,根据拟合效果确定选择带宽及长记忆参数估计值。数值模拟显示以长记忆参数估计值均方根误差最小为标准,两步法优于其他方法。经上证50指数已实现波动率日数据的实证检验,两步法在长记忆模型中的预测误差最小;与短记忆模型相比,两步法在中期提前预测步长上具有优势。     

股价指数的记忆性特征

本文通过ARFIMA模型(分整自回归滑动平均模型)分析了上证日指数、周指数、月指数序列的记忆性特征,说明股票价格日指数具有长记忆性、周指数具有中等记忆性、月指数具有短期记忆性,这一结论说明了中国股票市场是非有效的,其本身隐含一定的政策含义。     

沪深股市的相关结构分析与投资组合风险度量——基于ARFIMA-GARCH-Copula模型

金融资产收益率不仅具有尖峰厚尾性、异方差性,还具有长记忆性。基于此,本文建立ARFIMA-GARCH-Copula模型来研究沪深股市的相关结构和等权重投资组合风险值VaR,利用上证指数和深成指数收益率的组合来进行实证研究。首先采用经典R/S分析法检验各个资产收益率的长记忆性,经过分数阶差分后选用GARCH模型建模得到边缘分布。然后选择Copula函数来刻画两资产之间的相关结构,建立联合分布模型。进而采用Monte Carlo方法模拟产生各资产的收益率序列,计算出投资组合的风险值VaR。实证研究表明:沪深股市具有长记忆性,且两者具有对称的尾部相关性;Kupiec检验说明ARFIMA-GARCH-Copula模型较之于GARCH-Copula模型能更准确地度量投资组合风险。     

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.     

中国股票市场“周内效应”的再研究

本文避免了通常利用方差分析方法检验周内效应时的不足之处,利用考虑到异方差情况ARCH模型,通过采用虚拟变量,在研究沪深两市日收益率的周内效应的基础上,进一步考察其方差变动的周内效应。通过实证分析发现沪市存在显著为正的星期五效应,深市存在显著为负的星期一效应与显著为正的星期五效应,并且深市日收益的方差变化也存在一定的周内效应。     

沪深股市杠杆效应的实证分析

运用 E-GARCH模型对沪深股市的杠杆效应进行了实证分析 ,结果表明 ,日收益存在着明显的杠杆效应 ,收益对波动强度的影响具有非对称性 .     

中国股票市场的分形结构——股票收益长期记忆特征的实证研究

股票市场收益的长期记忆特征对于系统非线性结构的确定以及市场有效性的研究具有重要的意义.针对上海和深圳A股算术加权和流通市值加权市场指数的周收益序列以及上证180指数和深圳成份指数中选取的12只代表性股票的周收益序列,采用重标级差分析(R/S分析)和ARF IM A模型对其进行了实证研究.从统计结果来看,样本序列呈现出尖峰和肥尾等有偏特征,明显不满足正态分布的假设,表明收益序列可能具有长程相关或记忆性.进一步的研究发现,沪深两市A股市场指数收益序列和大多数个股(10只股票)存在明显的长期记忆特征,收益分布表现出持久性.从划分不同时段的分析结果来看,中国股票市场渐进趋于弱势有效.     

沪深股市收益率分布的时变性

本文对沪深股市收益率的统计特性进行了讨论 ,检验了收益率分布的非正态性和独立同分布性 .就其独立同分布假设被拒绝的原因从相关和不同分布两方面进行了详细的分析与研究 .结果表明 :沪深股市收益率存在一定的自相关性 ,但相关程度很弱 ,不足以用来作为解释对其独立同分布假设拒绝的理由 ;均值的时变性不显著 ,但方差是时变的 ,均值与时变的方差一起可作为对独立同分布假设拒绝的原因 .     

用修正重标极差法对上证指数长期记忆性的研究

本文以上证指数周收益率为研究对象,分别采用重标极差分析法和修正重标极差分析法,通过计算V统计量的值对其进行长期记忆性的检验。由于不能排除V统计量的值存在超出上侧分位点的可能性,本文进行了双侧检验,并分析了R/S分析法产生偏差的原因。得出上证指数周收益率时间序列并未表现出显著的长期记忆性的结论。     

股票收益率波动性的非参数核回归估计及对中国股市的实证分析

非参数回归估计是研究非线性时间序列的一种有用工具．在混合相依样本的条件下，基于非参数核回归估计方法来研究收益率的波动性，利用改良的交叉核实函数选取光滑参数，并给出上海和深圳股市实证分析的一些有趣结果．     

基于非参数分布的沪深股市VaR测度

沪深大盘指数的收益率分布函数并不服从通常人们所认为的正态分布.因此,采用一种新的方法—非参数核密度估计,对沪深股指收益率分布进行拟合.该方法不仅很好地刻画了收益率分布的尖峰和肥尾特征,而且由此建立的VaR模型比一般的基于参数分布的VaR模型更能捕捉市场的风险特征,结论也更加准确.