基于模拟退火算法的知情交易研究北大核心CSCD

为了更准确地估计知情交易概率水平(PIN),文章主要使用模拟退火算法并结合交易量时间概念对知情交易模型进行参数估计.算法改进后的知情交易模型已可适用于较高频的交易订单数据,从而更好地捕捉微观市场中PIN的变化.参数估计方面,文章主要使用模拟退火算法对EKOP-PIN、EHO-PIN以及DY-PIN进行带约束的最大似然估计,并将结果与无约束优化的间接估计算法进行了比较,基本解决了以往算法存在的局部最优和数值溢出等问题.数值模拟显示,使用模拟退火算法并运用模式搜索法进行末端优化的混合算法在计算PIN时能够进一步提高估计精度.使用沪深300股指期货高频交易数据的实证结果显示,重新估计的EHO-PIN对波动率有着较高的解释和预测能力,可作为一种有效的市场波动率预警指标.     

基于高频数据的非平稳GARCH(1,1)模型的拟极大指数似然估计

波动率的统计分析一直是金融市场量化分析的重要问题.收益率替代模型能将日内的收益率高频数据嵌入到日间的收益和波动率的模型中,因此可以通过构造合适的收益率替代来改进收益和波动率模型中的参数估计的精度.提高估计精度的直接作用就是改进VaR的预报精度,提高风险管理水平.本文针对非平稳GARCH(1,1)模型,构建新的收益率替代模型—基于高频数据的非平稳GARCH模型.不同于传统的Gauss拟极大似然估计(QMLE),本文对收益率替代模型提出拟极大指数似然估计(QMELE).在残差的二阶矩有限的情形下,建立QMELE的强一致性和渐近正态性.数值模拟的结果显示,基于高频数据的估计QMELE具有更小的均方误差.同时通过实际的金融数据说明,包含更多信息的日内高频数据下的收益率替代模型的估计所对应的VaR估计是有效的.     

基于改进无迹卡尔曼滤波的波动率研究

波动率估计是金融学的核心,波动几乎渗透金融市场的每一个领域.为了快速而精确地提取波动率,文章将比例UT变换与最小偏度单行采样技术和无迹卡尔曼滤波(UKF)算法相结合,提出一种适用于非线性高斯状态空间模型的改进的无迹卡尔曼滤波(MUKF)算法,并将该算法应用到扩散的期权定价模型中.最后通过对Heston随机波动模型进行模拟研究,发现在同时使用股票价格数据和期权数据时,可以精确地提取波动率,而且MUKF算法比UKF算法的计算时间更短.文章也对Heston模型中的波动率的波动参数进行了研究,研究发现MUKF算法可以准确地捕捉这种波动率特性.     

卖空限制下知情交易的测度及识别研究

经典的测量知情交易概率的模型默认交易者可以无限制的按照私有信息进行卖空交易,而目前我国股票市场存在卖空限制,直接将经典模型应用到我国股票市场时会使测量结果出现偏差。考虑到我国股票市场现状,本文在经典的知情交易概率模型中引入两个卖空限制参数,构建了本文的SC-TPIN模型。通过对融券标的中发生利空消息的股票样本进行实证分析,证实了本文构建的SC-TPIN模型估计出的结果与实际情况相符合。本文还以SC-TPIN模型估计出的SCTPIN值为参照,基于样本股票的低频数据构建了知情交易识别指标组,并使用数据挖掘中的支持向量机算法、KNN算法及Logit模型对黑白样本的知情交易高低情况进行识别比较,构建知情交易识别体系,发现使用支持向量机算法识别全样本的正确率达到了89%,识别效果较理想。     

基于sDTW-最近邻算法的知情交易概率研究

采用高频股指期货交易数据以构建新型知情交易概率DPIN,随后根据DPIN取值的不同,使用了基于sDTW的最近邻算法尝试对沪深300股指期货市场的不同知情交易状况进行分类和预测.通过调整参数和使用不同的形状描述符来进行优化,所使用的算法能够以较高的准确度对DPIN进行分类预测,这将有助于理解我国股指期货市场的内在信息机制.     

均值回复跳扩散随机波动率模型下的欧式期权定价研究

考虑到金融市场数据波动的不确定性,本文提出了一个新的对数均值回复跳扩散4/2随机波动率(LMRJ-4/2-SV)模型.首先,构建了LMRJ-4/2-SV模型,并利用FFT等方法获得了基于LMRJ-4/2-SV模型的欧式期权定价公式.其次,对实际市场数据进行描述性统计分析,探讨标的资产价格变化特征及LMRJ-4/2-SV模型的适用性,并通过粒子群优化算法估计模型参数.最后,基于LMRJ-4/2-SV模型下的期权定价公式及模型参数估计值对欧式期权进行定价,并将其定价结果与4/2、3/2、Heston模型估计值及市场价格进行对比.结果表明:基于LMRJ-4/2-SV模型的欧式期权定价误差最小,定价结果较其它随机波动率模型而言具有明显优势.     

高频金融数据中市场微观结构噪音误差估计

由于在波动率估计中高频数据的使用,市场微观结构噪音的干扰对无偏的和一致的估计波动率已经变成了一种障碍,为了更好地估计真实波动率,噪音方差估计显得日益重要,本文基于目前关于波动率估计研究成果,提出了在不同的假设情况下估计市场微观结构噪音误差的方法,并与常用的估计方法进行深入的比较,得到它们的渐近性质,并且进行广泛的模拟研究它们的有限样本性质,并得到较有意义的结果。     

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.     

删失线性分位回归模型的MCEM估计及应用

利用MCEM算法对线性分位回归模型进行估计,给出了参数估计的MCEM算法,并将本方法应用到删失数据的线性分位回归模型.模拟结果表明,文章所提出的方法具有优良性.同时,可以很好地应用于实际例子.     

混合模拟退火-进化策略在非线性参数估计中的应用

提出了一种混合模拟退火-进化策略算法应用在非线性参数估计中,方法克服了传统优化方法估计参数精度不高且容易陷入局部极小值等缺点,并且将模拟退火算法和进化策略算法相结合,充分发挥各自算法优点.最后通过给出非线性参数估计算例,结果表明,算法具有参数估计精度较高,收敛速度快,自适应性强,在实际工程中有较大的应用价值.     

基于真实波动率和高斯估计的随机波动率模型研究

在随机波动率模型中,由于波动率是不可观测,因此相应的参数估计和统计推断比较困难.将应用真实波动率近似估计积分波动率,进一步基于高斯估计方法给出非线性扩散模型的线性估计,而后再给出随机波动率模型精确的极大似然估计方法.最后,采用上证综合指数和深证成份指数对一系列随机波动率模型进行实证的研究.实证结果表明,均方根模型(Heston模型)较好地描述上证综合指数动态行为,而对于深证成份指数的描述在统计意义上没有显著地解释力.     

股指期货对现货市场微观结构影响研究

着眼于股指期货对现货市场微观结构的影响,基于2015-2017年三次股指期货交易机制重大调整前后两个月的1分钟高频数据,利用ACD-EGARCH模型对不同市场波动率背景下的股指期货是否改善现货市场微观质量进行了实证研究.文章的主要结论为:股指期货在不同市场波动率背景下均能降低现货市场波动率,且新进入的投机者比信息交易者贡献更高的波动率;而只在平稳市背景下,股指期货能增强现货市场流动性,在波动市背景下,股指期货吸引的信息交易者超过现货市场增加的非信息交易者,现货市场流动性减弱.建议在平稳市背景下恢复股指期货的常态化交易,但需要防范利好消息和投机者入市对市场波动率的冲击风险.     

基于ACD模型的股指期货市场流动性研究

利用沪深300股指期货连续合约的高频数据,采用参数估计的方法运用R软件对数据进行处理,消除其日模式并建立ACD模型.还加入了市场微结构噪声,探讨交易量持续期的信息传递机制.实证分析表明,在选取样本中,价格波动和交易量与股指期货市场流动性显著正相关,交易量持续期与股指期货市场流动性显著负相关,信息交易增加导致流动性降低,进而为投资者进行决策提供一定的参考.     

知情交易者和不知情交易者的策略互动

本文利用EEOW模型结合高频交易数据,对中国股票市场上知情交易者和不知情交易者的交易策略互动进行了实证研究.研究发现:在中国股票市场上,不知情交易者的交易行为对知情交易者没有影响,但是知情交易者的交易行为却对不知情交易者有显著的影响.当预期到市场上有众多知情交易者时,不知情交易者就减少交易以降低与知情交易者发生交易的概率.这一点与传统模型中的"噪声"交易者假设是不一致的.本文的结论对于今后构建更加贴近实际情况的交易策略模型有很好的指导意义.     

基于价格持续时间的中国股市日内风险价值预测

基于高频数据度量日内交易活动的风险是目前日内金融数据与风险管理中极具挑战性的研究课题之一。本文从实时交易的角度,使用中国股市分笔交易数据,基于价格持续时间的自回归条件持续时间(ACD)模型,研究日内不规则交易数据的风险测度,利用日内不等间隔波动模型估计了日内交易的即时条件波动率,对日内不等间隔风险价值进行了预测和检验。实证结果发现日内不等间隔风险价值模型能够比较好的刻画日内交易风险,股票投资者和市场监管者可以基于该工具对日内风险做出合理的预测,达到止损避险和控制风险的目的。     

基于机器学习的智能TWAP和VWAP算法的研究及应用

TWAP与VWAP算法为两类较常见的经典交易算法.传统的VWAP算法在TWAP算法的基础上,大多使用预测日内成交量分布的方法指导算法下单.传统成交量分布的预测效果严重依赖于市场交易惯性,但交易量分布受到日内诸多突发因素的影响,导致算法对市场突发状况的应对能力较弱.本文对传统TWAP与VWAP算法进行改进,利用滚动的1分钟粒度高频实时资金博弈数据,基于Logistic分类器训练量价模型,以该预测结果为入参构建最优化期望执行均价模型,求出当下各个价格档位对应委托数量的最优解.通过相对高频的分钟级价格预测机制,保证算法实时跟踪市场行情走势并寻求相对优势的交易机会.该算法经测试可以稳定地跑赢市场均价,具备推广应用的可行性.     

中国证券市场知情交易概率的动态马尔科夫状态转移模型研究

对指令驱动市场知情交易的研究是近年来的热点问题。常用的EKOP模型存在一些缺陷,本文放宽了EKOP模型关于日内信息均匀释放以及交易者行为独立性的假设,用动态的马尔科夫状态转移模型对该模型进行了改进,并检验了改进后的知情交易概率模型在中国证券市场的适用性。通过模拟数据以及对中国证券市场交易数据的实证研究发现动态的马尔科夫状态转移模型克服了EKOP模型受买卖方数据影响而产生的系统偏误,估计的知情交易概率更符合事后检验。     

考虑时变与高频因素的金融风险传染效应分析——以SHFE市场金属期货为例

为了有效度量金融市场中因相互关联而引发的风险传染效应,并充分体现其时变性与频繁性,立足高频数据并结合时变测度模型进行分析可能是较为合适的方法。基于此,文章在时变传染效应测度模型基础上,以我国金属期货高频交易数据为样本进行实证,得出结论:(1)市场间存在的时变风险传染效应是该市场价格波动的重要影响因素;(2)高频数据呈现的传染现象受传染源市场波动影响大,而受前期传染效应的滞后影响小,该现象表明针对传染源的及时处理是控制风险传染的有效途径;(3)兼顾时变与高频因素的传染效应其影响程度与市场价格波动及已实现波动呈反比,该现象表明波动较大或前期波动大的市场受相关市场风险传染影响小。     

双边Burr分布及其在金融市场风险预测与优化中的应用

考虑到金融数据具有非对称、尖峰厚尾特征,文章将具有尖峰厚尾特征的Burr分布拓展至双边Burr(TSB)分布,给出了其重要的数字特征、极大似然估计、最小二乘估计以及加权最小二乘估计,并通过数值模拟验证了这三种参数估计方法的有效性.其次,文章基于TSB分布构建GJR-GARCH模型,旨在研究TSB分布相比于常见分布在度量金融风险方面的优势.实证结果表明,与正态分布、t分布、GED分布、双边Weibull分布和双边Lomax分布相比,基于该分布的GJR-GARCH模型具有最高的VaR预测精度.另外,文章将基于TSB分布的GJR-GARCH模型与Copula函数结合来构建均值-CVaR模型以研究多元投资组合的风险优化,实证研究亦表明能够刻画非对称特征的该模型具有更好的CVaR预测效果.最后,稳健性检验结果证实TSB分布对于金融风险预测以及投资组合优化的改进效果不依赖于波动率模型和Copula函数的设定.     

齐次线性约束回归模型参数的主成分压缩估计

当设计矩阵X复共线时,对齐次线性约束回归模型参数的约束最小二乘估计进行改进,提出参数的主成分压缩估计,并对新参数估计的性质进行了讨论,最后进行了数值模拟,验证了算法的参数估计优于约束最小二乘估计.