中国证券市场不同频率波动预测模型比较研究——基于预测精度和风险管理的视角

准确估计和预测金融资产价格波动是金融风险管理的核心问题。本文将厚尾分布纳入混合频率模型,采用上证综合指数2004-2011年滚动时间窗样本,利用SPA检验和MCS检验对低频、高频和混合频率三类波动模型预测精度进行比较。从风险价值的准确性和预测失败的损失程度角度对比三类模型的风险管理效果。通过对不同损失函数和不同时间窗口的分析发现,在10个波动预测模型中,扩展后的混合频率Realized GARCH_t在预测日波动时具有较高的预测精度,能准确计算短期风险价值,而在预测周或者月波动时,半参数NSM模型预测精度更高,风险价值更准确。     

基于高频波动率模型与R-vine copula的行业资产组合风险测度研究

相较于低频波动率模型,高频波动率模型在单资产的波动和风险预测中均取得了更好效果,因此如何将高频波动率模型引入组合风险分析具有重要的理论和现实意义。本文以沪深300指数中的6种行业高频数据为例,运用滚动时间窗技术建立9类已实现波动率异质自回归(HAR-RV-type)模型刻画行业指数波动,同时使用R-vine copula模型描述行业资产间相依结构,进一步结合均值-CVaR模型优化行业资产组合投资比例,构建组合风险的预期损失模型,并通过返回测试比较不同风险模型的精度差异。研究结果表明:将HAR族高频波动率模型引入组合风险分析框架,能够有效预测行业资产组合风险状况;高频波动率预测的准确性将进而影响组合风险测度效果,跳跃、符号跳跃变差以及符号正向、负向跳跃变差均有助于提高行业组合风险的预测精度。     

期货市场日内VaR测度模型与应用

本文构建了两类日内VaR测度模型,一类是以超高频数据为基础,结合久期模型、波动模型和Monte Carlo模拟方法的综合日内VaR(IVaR)测度模型,另一类是以等时间间隔高频数据为基础并结合传统计量方法(历史模拟法与GARCH法)的日内VaR测度模型。然后运用上海燃料油期货市场数据进行了实证研究,结果表明:相对于传统计量方法,IVaR模型由于包含了更充分的市场信息,因而无论是多头头寸还是空头头寸时都具有更好的预测能力;IVaR方法估计的VaR值最小,说明IVaR模型比较适用于风险承受能力较强的投资者;IVaR模型对于空头头寸的管理更加严格;另外,IVaR模型的预测结果表明市场在日内具有开盘大,随后迅速衰减并趋于稳定的特征。     

基于Skewed-t分布的FIGARCH模型与VaR的度量

金融资产收益率序列的波动具有典型的尖峰厚尾和非对称性特征,描述这种特性需以合适的概率分布函数为基础.因此,寻求更好的概率分布函数对风险度量、VaR的计算有着十分重要的意义.有鉴于此引入Skewed-t分布度量VaR,并比较分析了RiskMetrics及FIGARCH类模型度量VaR值的准确程度,本文同时分析了多头头寸和空头头寸情况下的VaR.结果表明,在两种头寸情况下,Skewed-t分布在空头和多头情形对资产厚尾特性以及非对称性的拟合效果均要比正态分布好;在两种头寸中不同的置信水平下,FIAGARCH(CHUNG)模型预测的VaR值改进了使用传统模型的精确性,高估或低估风险的程度较轻.     

基于价格极差的GARCH模型

本文利用资产价格的极差序列,基于常规GARCH模型的框架,构造了一类关于波动率的新模型,即GARCH-R模型以及能够表达波动率变化非对称性特性的AGARCH-R模型。利用上证综合指数日收益率及相应的高频数据,通过比较不同模型对波动率以及VAR的预测效果,揭示了这种包含了极差信息的新的模型比传统的GARCH类模型的预测效果具有显著的优势。     

基于带隐含波动率的混频条件自回归极差模型的股市波动率预测研究

极值理论表明价格极差是波动率的一个有效的估计量。同时,众多研究表明,基于期权价格的隐含波动率包含了市场前瞻性的信息。本文在经典的基于极差的条件自回归极差(CARR)模型基础上,充分考虑价格极差的长期动态性以及期权隐含波动率包含的信息,构建了带隐含波动率的混频CARR (CARR-MIDAS-IV)模型对极差波动率进行建模和预测。CARR-MIDAS-IV模型通过引入MIDAS结构能够捕获条件极差的长期趋势过程(长期记忆特征)。而且,CARRMIDAS-IV模型同时考虑了极值信息以及隐含波动率包含的关于未来波动率的信息(前瞻信息)对波动率建模和预测。采用恒生指数和标普500指数及其隐含波动率数据进行的实证研究表明,充分考虑条件极差的长记忆性(MIDAS结构)以及隐含波动率包含的信息对于极差波动率建模和预测具有重要作用。总体而言,本文构建的CARR-MIDAS-IV模型相比其他许多竞争模型具有更为优越的数据拟合效果以及波动率预测能力。特别地,CARR-MIDAS-IV模型对于中、高波动期波动率的预测具有较强的稳健性。     

金融高频高维数据的波动率矩阵估计:基于GARCH-It?分组因子模型

在高频金融数据分析中,高维波动率矩阵的估计和预测十分具有挑战性,当金融资产存在自然的分组结构时,此问题尤为突出.为此,本文提出一种新的GARCH-It?分组因子模型,将对数价格序列表示为共同因子、分组因子以及异质项,并通过将离散的广义自回归条件异方差(generalized autoregressive conditional heteroskedasticity, GARCH)结构嵌入特征值过程的波动率中,实现刻画数据波动率动态的目的.本文利用伪极大似然法得到模型的参数估计,建立极限理论,模拟研究表明其良好的有限样本性质.在实证研究中,利用上海证券交易所主板及深圳证券交易所创业板的股票高频价格数据,对比了不分组的模型及波动率矩阵的非参数多尺度已实现波动率(multi-scale realized volatility,MSRV)估计,对比结果显示本文模型具有更好的波动率预测效果.     

不同矩属性波动模型对中国股市波动率的预测精度分析

金融时间序列的波动性建模经历了从一阶矩到二阶矩直到高阶矩(包含三阶矩和四阶矩)的过程,而对于高阶矩波动模型是否有助于对未来市场的波动率预测这一问题,国内外学术界尚无文献讨论。以上证综指长达7年的每5分钟高频数据样本为例,通过构建具有不同矩属性的波动模型,计算了中国股票市场波动率的预测值,并利用具有bootstrap特性的SPA检验法,实证检验了不同矩属性波动模型的波动率预测精度差异。实证结果显示:就中国股市而言,四阶矩波动模型能够取得比二阶矩波动模型更优的波动率预测精度,而三阶矩波动模型并未表现出比二阶矩波动模型更强的预测能力;在高阶矩波动模型中包含杠杆效应项并不能提高模型的预测精度。最后提出了在金融风险管理、衍生产品定价等领域引入四阶矩波动模型的研究思路。     

我国金融市场间联动效应研究——基于混频Copula模型北大核心CSCD

目前关于风险联动效应的研究主要是基于微观高频或宏观低频数据进行的,仅采用高频或者低频数据进行分析未能准确刻画市场间的风险联动效应.针对已有研究的不足,充分利用微观高频和宏观低频数据信息,借鉴混频思想,将混频Copula模型与CoVaR模型相结合以研究我国股票市场、金融期货市场、大宗商品期货市场、债券市场以及外汇市场间的风险联动效应.结果表明:GARCH-MIDAS-LI-偏t模型效果最优;金融市场间的相依结构具有时变性和非对称性;金融市场间存在着显著的双向风险溢出,风险溢出均为正值且存在非对称性;股市和期市是风险净溢出者,而大宗商品期市、债市以汇市是风险净接受者.此研究对于投资者的投资决策、监管者的监测风险都具有一定的理论意义和现实意义.     

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。     

基于GARCH模型族的中国股市波动性预测

收益与风险历来都是投资者与研究者所关注的问题 .本文选取 GA RCH、TGARCH和 EGARCH模型来拟合中国股市的波动性 .实证分析结果表明 ,中国股市的波动具有显著的波动聚类性与持续性 ;由 E-GARCH模型所预测的上证 30指数、上证综合指数和深证成份指数未来一天的波动要明显优于 GARCH和TGARCH模型的对应值 ,而对香港恒生指数 ,三种模型的预测结果无显著的差异 .     

中国股票市场行业间波动溢出非对称效应研究——基于“好的波动”和“坏的波动”分析

选取上证系列行业指数的五分钟数据, 基于广义预测误差方差分解方法构建了波动溢出指数和波动溢出非对称指数(SAM), 研究了10个行业间波动溢出的时变性和非对称性。结果表明, 股票市场各行业间波动溢出存在显著的非对称性和时变性, 多数时期“坏的波动”下的溢出效应占据主导地位。静态分析显示, 股票市场各行业间具有高的波动溢出效应, 可选消费行业是市场波动的最重要来源;动态分析显示, 原材料、工业、可选消费业是波动溢出的净输出者, 金融地产业是净输入者, 电信业务、公用事业和医药卫生等行业对利空消息的传递更为明显, 可选消费行业对利好消息的传递更为有效。纳入标普500指数前后各行业溢出贡献度的对比表明研究结论具有稳健性。     

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。     

考虑微观结构噪声与跳跃影响的波动建模

现有的金融高频数据研究,并未充分考虑微观结构噪声对波动建模和预测的影响.以非参数化方法为理论框架,基于高频数据,采用适当方法分离出波动中的微观结构噪声成份,构建了新的跳跃方差和连续样本路径方差,将已实现波动分解为连续样本路径方差、跳跃方差和微观结构噪声方差.同时考虑微观结构噪声和跳跃对波动的影响,对HAR-RV-CJ模型进行改进,提出了HAR-RV-N-CJ模型和LHAR-RV-N-CJ模型.通过上证综指高频数据进行实证,结果表明新模型在模型拟合和预测方面均优于HAR-RV-CJ模型.     

我国钢材期货市场波动率的GARCH族模型研究

钢材是仅次于原油的全球第二大大宗商品,因此钢材及其相关产品价格波动的描述对各类参与者的套期保值及规避风险有重要意义。以上海期货交易所钢材期货价格的15分钟高频数据为对象,利用8类GARCH族模型进行了波动率拟合的实证研究,并运用6类损失函数以及Diebold-Mariano检验方法对各类模型的波动率拟合精度进行了比较。结果表明,能够刻画长记忆特征的HYGARCH模型在刻画我国钢材期货市场的波动率上具有相对优于其他模型的精度,但总的来说,各种模型并未表现出显著差异。     

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。     

基于GED—GARCH模型的中国原油价格波动特征研究

本文采用中国大庆原油价格日平均交易数据,建立了基于GED分布的GARCH(1,1)、GARCH-M(1,1)和TGARCH(1,1)三个模型,描述了中国原油价格与国际接轨以来的波动特征。实证结果表明,与国际油价类似,中国原油价格的波动也存在显著的GARCH效应,但其波动冲击的半衰期要比国际油价短,为5天。而且,中国原油收益率受到预期风险的负向影响,表明中国原油市场并非完全市场化运作,当然这种负向影响程度较小,约为8%。另外,中国原油价格的波动存在显著的杠杆效应,相同幅度的油价下跌比油价上涨对未来油价的波动具有更大的影响,前者是后者的1.7倍左右。最后,基于GED分布的GARCH模型比基于正态分布的GARCH模型能够更好地描述中国原油价格的波动特征,并且具有较好的预测能力。     

国内外期铜价格之间的长期记忆成分和短期波动溢出效应

本文区分国内外期铜市场价格的长记忆成分和短期波动溢出效应,采用信息共享模型和永久一瞬时模型分离出不同期铜市场价格间的长记忆成分,得到不同市场期铜价格对"隐含有效价格"的贡献度;而且,利用t分布的BEKK模型分析两个市场期铜价格的短期波动溢出.特别,我们在BEKK基础上定义了不同变量间的波动溢出项,对两个市场期铜价格的波动溢出进行了度量.根据测算结果,我们发现国内外期铜价格有着紧密的联系,无论在长期,还是在短期,国外市场期铜价格的影响力都较大.