基于模糊GJR-GARCH模型的波动率估计

基于模糊数学和模糊时间序列分析理论,在模糊GARCH与GJR-GARCH模型的基础上建立模糊GJR-GARCH模型,并用遗传算法估计了该模型的参数。实证发现沪深两市的收益波动率具有明显的非对称性,相对于普通的GARCH、GJR-GARCH和模糊GARCH模型,模糊GJR-GARCH模型能更好的处理收益率的波动群聚性、时变性和非对称性,具有更好的估计精度。     

基于改进ICA模型的高维波动率估计

本文对IC-GARCH模型进行改进,放宽了ICA关于独立成分是IID的假设,考虑独立成分为ARMA模型的平稳过程,提出了基于自相关结构的IC-GARCH估计方法,并给出了估计量的理论性质和计算效率较高的迭代估计算法。最后,对改进方法进行了模拟和实证分析,结果表明本文提出的模型能够使多元GARCH模型应用于高维金融数据,并大大提高了金融资产收益波动率的估计精度。     

Ornstein-Uhlenbeck随机波动率模型的参数估计

本文研究了波动率过程为Ornstein-Uhlenbeck过程,且波动率过程与股票价格过程的相关系数ρ可为[0,1]中的任一数的随机波动率模型参数估计.给出了OU过程的统计性质,并利用鞅极限理论给出模型中参数的估计式,证明估计量是具有渐进正态性从而是相合的.     

基于线性样条的门限随机波动率模型及其实证研究

为了刻画金融领域中资产收益的条件均值和波动率的双重非对称性特征,本文基于线性样条的方法提出一种新的门限随机波动率模型(LPTSV),它可以根据到达市场消息的大小和方向来同时描述这两种非对称性情况,可以很好地对资产收益及其波动率进行建模。利用R2WinBUGS软件包对LPTSV模型进行了贝叶斯参数估计。模拟实验说明贝叶斯分析在LPTSV模型的参数估计方面是有效的。最后利用LPTSV模型为上证综合指数和深证成份指数日收益率数据进行了实证分析。描述性统计分析和参数估计的结果均表明:利用LPTSV模型对以上两组数据进行建模是合理的。本文为资产收益和波动率之间的实证关系研究提供了一定的启示。     

基于随机波动率模型的上证50ETF期权定价研究

传统上,期权定价主要基于Black-Scholes (B-S)模型。但B-S模型不能描述时变波动率以及解释"波动率微笑"现象,导致期权定价存在较大的误差。随机波动率模型克服了B-S模型的这些缺陷,能够合理地刻画波动率动态性和波动率微笑。基于此,本文考虑随机波动率模型下的期权定价问题,并针对我国上证50ETF期权进行实证分析。为了解决定价模型的参数估计问题,采用上证50ETF及其期权价格数据,建立两步法对定价模型的参数进行估计。该估计方法保证了定价模型在客观与风险中性测度下的一致性。采用2016年1月到2017年10月的上证50ETF期权价格数据为研究样本,对随机波动率模型进行了实证检验。结果表明,无论是在样本内还是样本外,随机波动率模型相比传统的常数波动率B-S模型都能够获得明显更为精确和稳定的定价结果,B-S模型的定价误差总体偏大且呈现较高波动,凸显了随机波动率对于期权定价的重要性。另外,随机波动率模型对于短期实值期权的定价相比对于其它期权的定价要更精确。     

基于Heston随机波动率模型和风险偏好视角的资产负债管理

本文研究基于Heston随机波动率模型的资产负债管理问题。假设金融市场由一个无风险资产和一个风险资产构成,投资者的目标是最大化其终端财富的期望效用。应用随机控制方法,得到了该问题最优资产配置策略的解析表达式和相应值函数的解析解,通过数值算例分析了Heston模型主要参数以及债务对最优资产配置策略的影响。结果表明:配置到风险资产的比例对Heston模型中的参数非常敏感;为了对冲债务风险,负债的引入使得配置到风险资产的比例比无负债情形下的高;在风险厌恶系数变大时,无论投资者是否有负债,其投资到风险资产的比例则越来越低。     

基于连续红利支付和随机波动率的未定权益定价模型

研究了具有连续红利支付和随机波动率的未定权益定价问题,利用等价鞅测度的方法推导了风险中性下的欧式未定权益定价公式．     

基于MRS-GARCH模型的中国股市波动率估计与预测

基于误差项服从正态分布、t分布、广义误差分布的GARCH族模型和MRS-GARCH模型对中国股市波动的结构变化特征进行了实证研究。结果表明,中国股市存在显著的高、低波动状态,两种波动状态的ARCH和GARCH项系数存在较大差异;高、低波动状态均具有较长的持续时间,低波动状态的持续时间长于高波动状态的持续时间,且中国股市更易于从高波动状态转向低波动状态;MRS-GARCH模型预测效果总体上优于GARCH族模型,基于正态分布的MRS-GARCH模型短期预测效果较好。     

完备的随机波动率模型的统计推断

完备的随机波动率模型是David G.Hobson and Rogers L G 于1998年引入一类新的随机波动率模型,与现有波动率模型相比,它有很多优点.本文讨论了这类模型的估计问题。通过测度变换,将系数σ(·)的估计转化为—般回归函数的估计问题,给出了该系数的核估计量,并证明了所得估计量的均方收敛性。     

随机波动率模型下的VIX期权定价

本文主要有两部分:第1部分找到一个拟合VIX指数能力较优的随机波动率模型;第2部分是在较优模型下讨论VIX指数期权定价问题.其中第1部分首先利用非参数方法估计随机波动率模型的漂移项和扩散项,然后在此基础上对七个经典随机波动率模型进行拟合和比较.第2部分在较优模型基础上加上跳跃,讨论期权定价的PDE和解析解.     

基于带跳随机波动率模型的双币种重置期权定价研究

研究了外国标的资产价格,汇率及其波动率过程满足仿射跳扩散模型的双币种重置期权定价问题,其中波动率过程与标的资产,汇率相关,且具有共同跳跃风险成分.利用多维Feynman-Kac定理,Fourier逆变换等方法,获得了双币种重置期权价格的表达式.应用数值计算分析了波动率过程主要参数对期权价格的影响.数值结果表明,波动率因素以及跳跃风险参数对期权价格的影响是显著的.     

Heston随机波动率模型下的动态投资组合

应用随机最优控制方法对Heston随机波动率模型下的动态投资组合问题进行了研究,得到了幂效用和指数效用下最优投资策略的显示解,并给出一些数值计算结果分析了市场参数对最优投资策略的影响.     

资产波动率为随机的信用等级迁移风险评估模型

以公司债券为手段,评估具有随机波动率的信用等级变换的风险.根据公司资产的多少将公司划分为高低两种信用等级,并假设公司资产的变化满足Heston随机波动率模型,且波动率在高低等级下围绕不同的均值波动回归.通过计算这样的资产波动下公司债券的价值,来评估具随机波动率的信用等级变换的风险.利用一张特殊的零息票来对冲由波动率的随...     

VIX期权的状态转换随机波动率定价模型

基于Heston随机波动率模型提出了一种新的VIX期权定价模型,其中模型参数跟宏观经济状态有关,其状态方程满足连续时间的Markov Chain过程,在此基础上,得到了VIX看涨期权的定价公式.与传统的随机波动率模型相比,提出的期权定价公式中考虑了经济状态变换的风险溢价.最后,做了Monte Carlo数值模拟,并对数值结果进行了比较和解释.     

Heston随机波动率模型下的资产负债管理问题

应用随机最优控制方法研究Heston随机波动率模型下带有负债过程的动态投资组合问题,其中假设股票价格服从Heston随机波动率模型,负债过程由带漂移的布朗运动所驱动.金融市场由一种无风险资产和一种风险资产组成.应用随机动态规划原理和变量替换法得出了上述问题在幂效用和指数效用函数下最优投资策略的显示解,并给出数值算例分别分析了市场参数在幂效用和指数效用函数下对最优投资策略的影响.     

随机波动率模型下的最优证券组合选择

在证券价格服从随机波动过程下 ,研究了自融资策略下的最优证券组合问题 ,得到了相应的最优投资组合及其效用的解析表达式 .     

基于交叉数据随机波动模型的实证研究

在随机波动模型的基础上,结合交叉数据的特点,提出了交叉数据随机波动模型,综合对比与分析金融市场相关品种的价格波动关系.首先,应用离散小波变换,对数据进行滤波;其次,采用伪极大似然估计方法对系统模型进行参数估计;然后,运用遗传算法,对各个子模型进行参数寻优;最后应用交叉数据随机波动模型对我国期货市场上大豆、豆油、豆粕三品种进行实证分析.实证表明,交叉数据随机波动模型可以较理想地反映豆类三者之间价格波动的关系,说明相关品种之间存在较强的波动持续性.     

基于动态VaR约束与随机波动率模型的最优投资策略

研究Stein-Stein随机波动率模型下带动态VaR约束的最优投资组合选择问题. 假设投资者的目标是最大化终端财富的期望幂效用,可投资于无风险资产和一种风险资产, 风险资产的价格过程由Stein-Stein随机波动率模型刻画. 同时, 投资者期望能在投资过程中利用动态VaR约束控制所面对的风险.运用Bellman动态规划方法和Lagrange乘子法, 得到了该约束问题最优策略的解析式及特殊情形下最优值函数的解析式; 并通过理论分析和数值算例, 阐述了动态VaR约束与随机波动率对最优投资策略的影响.     

基于跳跃、好坏波动率和马尔科夫状态转换的高频波动率模型预测

基于跳跃、好坏波动率的视角,采用比ABD检测更稳健的ADS检测法进行甄别跳跃,提出HAR改进模型,进一步考虑到实际波动率的非线性和高持续性动态,文章引入马尔科夫状态转换机制以构建对应的MRS-HAR族模型,推导其参数估计方法,并运用滚动时间窗预测技术和MCS检验评估预测模型结果,并采取不同的窗口期进行稳健性检验.以上海期货交易所的黄金连续(AU0)期货合约为研究对象,实证研究表明:结合马尔科夫状态转换机制,跳跃波动在上涨行情时会抑制未来波动性;结合马尔科夫状态转换机制,好坏波动率在上涨行情时正负冲击相对平衡,而在下跌行情时好(坏)波动率抑制(加剧)未来波动性;MCS检验证实,结合马尔科夫状态转换的MRS-HAR族模型相比于HAR族模型具有更优的预测精度,进一步考虑由ADS检测修正的好坏波动率和符号跳跃能够改善波动率模型的预测能力,其中基于符号跳跃和马尔科夫状态转换的MRS-HAR-RV-SJ模型展现了最高的预测精度.     

基于Expectile和Realized GARCH模型的波动率预测

Realized GARCH模型是预测波动率的经典模型之一,最小化非对称二次损失函数的Expectile对收益率尾部分布更加敏感,我们在Realized GARCH模型的基础上引入Expectile提出Expectile-Realized GARCH模型。以沪深300指数的高频收益率为例建模分析,对比不同模型下的波动率预测效果,发现Expectile-Realized GARCH模型较Realized GARCH模型对波动率预测能力更好。其中,当风险水平为95%时,对应的Expectile-Realized GARCH波动率预测能力最好。