带自回归过程的单指标模型的参数估计及其渐近性质

研究了带有一阶自回归误差结构的单指标模型的参数估计及其渐近性质问题,利用局部多项式回归的方法对未知的联系函数进行估计,基于最大似然方法提出了模型的参数估计方法,同时在一些基本的假设下证明了估计的相合性及其渐近正态性,并给出模拟计算和应用实例以表明所提方法的有效性.     

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。     

检验n和T都很大的固定效应动态面板模型的条件异方差性

研究了动态面板数据模型的条件异方差性检验问题.对于n和T都很大的固定效应动态面板数据模型,通过残差的一阶差分的平方序列,建立一个人工自回归模型,并基于该人工自回归模型系数的最小二乘估计构造检验统计量,检验误差序列的条件异方差性.研究表明在一定的假设条件下,得到的检验渐近服从卡方分布,计算简单方便,通过一些模拟试验研究了检验的小样本性质.模拟研究表明该检验表现很好.     

带有固定效应且n和T都很大的动态面板模型的诊断检验

研究了动态面板数据模型的诊断检验问题.对于带有固定个体效应且n和T都很大的的动态面板数据模型,通过残差的一阶差分构造了一个人工自回归模型,并基于该自回归模型系数的最小二乘估计构造了一个检验统计量检验模型的充分性.研究表明在一定的假设条件下,该检验渐近服从卡方分布,计算简单方便.模拟实验结果表明该检验表现很好.     

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.     

回归模型中异方差或变离差检验问题综述

回归模型的异方差或变离差检验是统计诊断的重要课题。本文系统介绍了普通回归模型、广义回归模型和基于纵向数据的随机效应或自相关回归模型的异方差检验或变离差检验的研究概况和最新进展；同时介绍了作者关于非线性回归模型的相应工作，最后指出了若干有有待进一步研究的问题。     

单指标回归模型的若干检验问题

在参数和非参数回归模型中,关于异方差检验、一阶自相关存在性检验以及附加变量检验问题都有很多的研究.文中利用P-样条方法,研究了单指标模型的异方差、一阶自相关存在性及附加变量检验问题,分别得到了三种情况下的Score检验统计量,最后给出计算机模拟和实际例子,证实了文中所提出的方法的可行性和有效性,推广和发展了先前的工作.     

语言数据的自回归模型及其在上证综指预测中的应用

专家对金融证券市场的感知和判断是一相对重要的信息资源,应在系统建模中结合实际数据加以适当吸收和利用。本文给出基于随机模糊结合方法的一类移动平均自回归模型,并将其用于上证综指月度数据的趋势预测中。由于专家的感知或判断通常以语言形式表达,而语言通常具有模糊性特征。基于模糊随机变量对此类语言数据定义其均值、方差、协方差以及误差标准化过程,并得到模型在一种集间距离下的最小二乘估计及其渐近性质。给出了该模型在上证综指预测中的实证结果,其表明本文的自回归模型不仅较好地适用于语言数据环境并给出良好的模糊值预测结果,而且同时带来对原始股价序列的较准确预测结果,其精度对比基于实际数据的自回归模型的预测结果有显著提高。     

误差非线性回归模型基于几何方法的若干二阶渐近性质

该文用微分几何方法对AR(q)误差非线性回归模型若干二 阶渐近性质进行了研究. 作者基于Fisher信息阵在欧氏空间定义了内积，并在期望参数空间建立了几何结构. 基于上述几何结构，给出了AR(q)误差非线性回归模型若干二阶渐近性质的曲率表示. 将前人的一些结果推广到AR(q)误差非线性回归模型.      

基于数据分解集成和高频数据建模的汇率波动率预测

汇率波动率是刻画外汇金融资产收益变化程度的指标，也是度量外汇风险的方法之一，汇率波动对经济与金融系统都有重要的影响。由于非平稳和非线性的特征，准确预测汇率波动率一直是金融研究的重点和难点。为了提高预测汇率波动率的准确性，本文采用基于人民币汇率高频数据计算的已实现波动率和机器学习方法，对数据进行分解集成和建模，提出了一种有效的多尺度EEMD-PSR-SVR-ARIMA预测模型。具体过程如下：首先，采用集合经验模态分解(EEMD)的方法将复杂的时间序列分解成不同尺度的本征模态函数和趋势项；然后采用支持向量回归(SVR)的方法对本征模态函数进行预测，并利用相空间重构和粒子群优化的方法来确定SVR模型的输入维数与参数。同时，使用差分自回归移动平均模型(ARIMA)预测趋势项；最后集成得到模型预测的结果。实证结果表明EEMD-PSR-SVR-ARIMA模型可以有效地提高汇率波动率预测的精度。     

基于ARIMA与信息粒化SVR组合的股指预测研究

对于证券市场投资者而言,基于合理假设准确预测资产价格未来发展方向与趋势关乎投资成败。本文通过构建一个基于ARIMA与信息粒化SVR的组合预测模型,对股票市场指数价格和收益变化的趋势进行预测。实证研究结果表明:基于ARIMA与信息粒化SVR组合的股指预测模型相较于传统时间序列模型而言,在预测精度和效度方面有较大提升,能够在一定时间周期内对股票等风险资产的价格波动区间进行较为可靠地预测,但目前还只能大致确定时间序列波动的区间范围而不能精确地预测具体点位。未来仍需结合其他预测模型和预判技术进一步深入研究,以有效提升股指趋势预测的准确性和实际指导性。     

结构性油价波动对中国股市的非对称性影响分析

本文分别检验了不同驱动因素所致的油价波动(结构性油价波动)对我国股市收益波动的非对称性影响,并探寻了油价波动对我国股市产生非对称性影响的来源。首先利用SVAR模型将油价波动分解为供给、需求和预防性购买三种驱动因素所致的油价波动,发现三种驱动因素所致的油价波动对我国股市收益的影响存在显著差异;GARCH非对称模型检验及其信息影响曲线结果显示供给和预防性购买因素所致的油价波动是对我国股市的产生非对称性影响的主要原因。在应对油价波动策略时,区分油价波动背后的驱动因素有助于政府机构采取行之有效的宏观调控。     

基于多主体的股市模型不同市场形态下的标度行为

利用理论分析和计算机仿真相结合的方法研究一个随机多主体的股市模型,理论分析得到基础价值均衡、非基础价值均衡、周期和混沌四种市场形态的典型参数设置,基于多主体的计算机仿真产生对应参数的价格序列.对此数据的统计分析发现:股市的所有市场形态都呈现收益率分布和波动时间依赖的标度行为,其中基础价值均衡形态下收益率累积分布指数和波动时间依赖的自相似指数最大,非基础价值均衡形态下两指数最小,周期和混沌形态下居中.     

市场利率波动对期权价值的影响

本文在股价服从指数 O- U过程模型假设下 ,考虑到市场利率波动与股价波动的相关性 ,着重分析了市场利率的波动对期权价值的影响 ,并将所得结果与 Black- Scholes定价模型进行了比较     

沪深300样本股动态网络性质研究

利用2009年1月5日到2010年12月10日所有交易日的沪深300指数样本股日数据,构建了一系列动态网络.研究发现,随网络总度数的增大,网络的幂律值按指数衰减.股指和网络总度数的波动几乎是一致的.另外,当股指出现剧烈波动时,网络平均聚集系数变大,‘特别是此时度的概率分布平均拟合误差变得非常大,进一步研究发现,它的变化和股指波动的变化是同步的,所以我们认为是市场的剧烈波动破坏了股票网络的无标度性.上述结论对收盘价网络更明显.     

模型FI-EGARCH-M的建立及实证分析

近年来,金融市场在经济发展中占据了越来越重要的位置,金融数据波动规律成为各国学者竞相研究的热门课题.根据我国近几年来股票市场的波动特点,为其寻找更为合适的模型来拟合股票价格波动规律,即对股票价格波动做进一步分析.提出具有有效市场和分形市场二者优点的FI-EGARCH-M模型,并用所建立的模型对上证指数进行了实证分析.     

Randomness confidence bands of fractal scaling exponents for financial price returns

The weak-form of the efficient market hypothesis (EMH) establishes that price returns behave as a pure random process and so their outcomes cannot be forecasted. The detrended fluctuation analysis (DFA) has been widely used to test the weak-form of the EMH by showing that time series of price returns are serially uncorrelated. In this case, the DFA scaling exponent exhibits deviations from the theoretical value of 0.5. This work considers the test of the EMH for DFA implementation on a sliding window, which is an approach that is intended to monitor the evolution of markets. Under these conditions, the scaling exponent exhibits important variations over the scrutinized period that can offer valuable insights in the behavior of the market provided the estimated scaling value is kept within strict statistical tests to verify the presence or not of serial correlations in the price returns. In this work, the statistical tests are based on comparing the estimated scaling exponent with the values obtained from pure Gaussian sequences with the length of the real time series. In this way, the presence of serial correlations can be guaranteed only in terms of the confidence bands of a pure Gaussian process. The crude oil (WTI) and the USA stock (DJIA) markets are used to illustrate the methodology.     

Why does the power law for stock price hold?

The aim of this paper is to explain why the power law for stock price holds. We first show that the complementary cumulative distributions of stock prices follow a power law using a large database assembled from the balance sheets and stock prices of a number of worldwide companies for the period 2004 through 2013. Secondly, we estimate company fundamentals from a simple cross-sectional regression model using three financial indicators-dividends per share, cash flow per share, and book value per share—as explanatory variables for stock price. Thirdly, we demonstrate that the complementary cumulative distributions of fundamentals follow a power law. We find that the power laws for stock prices and for fundamentals hold for the 10-year period of our study, and that the estimated values of the power law exponents are close to unity. Furthermore, we illustrate that the tail distribution of fundamentals closely matches the tail distribution of stock prices. On these grounds, we conclude that the power law for stock price is caused by the power law behavior of the fundamentals.     

沪市股票风险与收益关系实证研究

由于我国股票市场每日报酬时间序列的非正态性和厚尾性,且呈现波动集群性,基于正态假设的静态模型存在很大的缺陷,而Arch类模型具有很好的处理厚尾的能力,能较好的描述股价等金融变量的波动特征,因此将Garch-M模型引入,通过实证分析,结果表明,Garch-M模型能显著提高预测的准确性.     

保险联结风险投资模型的赤字问题

保险公司被允许将部分资金投入风险市场,这样保险公司经营的风险来自于未来实际发生索赔的不确定性和投资收益的不确定性。研究了由经典的Cramer-Lundberg模型与按照几何布朗运动股票价格变动的一个风险模型,获得了三种资产分配情况下股票价格波动对赤字发生概率下界的影响。