基于杠杆效应CARR模型的波动率预测

本文提出了一类新的具有杠杆效应的CARR模型,基于广义伽玛分布探讨了杠杆效应CARR模型的参数估计和波动预测。以我国上证指数的2011年6月至2014年3月的每日数据为研究对象,分别运用EARCH模型、传统CARR模型和杠杆效应CARR模型对上证指数的波动率进行拟合,并根据MAE、RMSE和MAPE三个损失函数进行了预测能力比较分析,结果表明:杠杆效应CARR模型在波动性预测方面比EARCH模型的效果更好一些。     

基于结构突变的波动率分解模型

在Heston-Nandi模型的基础上提出了一种波动率分解模型,分解模型同时考虑了金融波动的长记忆性和杠杆效应.从资产收益率的无条件方差发生结构突变出发,认为收益率的无条件方差随时间变化,将波动率分解为长期影响和短期冲击两部分,其中长期影响用来刻画波动率的持续性,短期冲击刻画金融波动的短期扰动.上证综指数据实证表明上海证券综合指数收益率序列的波动性同时具有长记忆性和杠杆效应,利用模型能很好的刻画这两种性质.     

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。     

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.     

金融市场间波动溢出效应研究——基于Gumber的二维CARR模型和生存Copula-CARR模型

基于Gumber的二维指数分布,建立了Gumber的二维CARR模型,采用极大似然估计的两步法,以上证极差序列和深证极差序列为样本,考查了在极端情形下金融市场之间的波动溢出,并与CCC-GARCH模型进行比较,发现Gumber的二维CARR模型的估计更符合实际,能捕捉在极端情况下的波动溢出效应。利用蒙特卡洛方法进行了模拟和分析,进一步证实Gumber的二维CARR模型能合理有效地测度波动溢出效应。最后,对Gumber的二维CARR模型进行了扩展,在CARR模型中引入生存Copula函数,构建了生存Copula-CARR模型,进而建立了一种新的刻画金融波动溢出效应的多维CARR模型。     

基于双因子已实现GARCH模型的波动率预测研究

准确地预测金融市场的波动率对市场管理者和参与者而言都是至关重要的。本文在标准已实现GARCH模型基础上,将条件方差乘性分解为长期方差和短期方差两部分,分别构造包含杠杆函数的长期方差方程和短期方差方程,用以捕捉波动率的长记忆性和短期微观波动。运用上证综指和日经指数的日收盘价、已实现方差和已实现核波动此类高频数据进行实证分析,结果表明:与标准已实现GARCH模型相比,两指数的双因子已实现GARCH模型在样本内表现出更大的似然估计值;通过样本外误差函数分析和DM检验,双因子已实现GARCH模型也取得更好表现。     

基于半极差模型的高低价预测

在局部动态的几何布朗运动框架下,本文探讨了提出的半极差与资产价格波动率的理论关系,并将文献中几种主要的动态波动率模型统一地转化为等价的半极差模型,由此能够直接给出高低价的预测结果。通过对沪深300股指期货上市以来的日度极值数据进行实证分析,本文揭示出半极差(或高低价)具有较强的可预测性,并且合理地利用开盘价信息以及充分考虑长记忆特征有助于提高模型的拟合预测能力。     

基于ARMA-GARCH模型的恒指隐含波动率指数预测及其在期权交易中的应用

基于ARMA-GARCH模型,并结合均值回归效应,溢出效应和周内效应,本文研究了恒指隐含波动率指数(VHSI)能否被预测及预测是否有助于期权投资实践的问题.研究结果验证了香港股市具有均值回归的特性,标准普尔500指数对恒指隐含波动率指数有明显的溢出效应.此外,恒指隐含波动率指数呈现出周一上涨,周五下跌的特征,具有明显的周内效应.最后,本文运用ARMA-GARCH模型对恒指隐含波动率指数进行预测,并结合实际的市场数据做了期权交易模拟.结果显示,ARMA-GARCH模型比ARMA模型更适合对恒指隐含波动率进行建模;考虑了均值回归效应,溢出效应和周内效应之后,ARMAGARCH模型对恒指隐含波动率指数的预测能力显著提高,并且预测结果有助于期权交易获得较好的收益.     

干散货运价波动的杠杆效应特征研究——基于非对称随机波动模型

由信息冲击引起的干散货运价的剧烈波动给航运实体市场带来巨大风险,同等强度的利空消息通常要比利好消息引起更大的市场波动,本文对干散货航运市场运价波动存在的杠杆效应特征进行研究,为航运企业和租船人等把握市场态势、规避风险提供重要依据。考虑运价收益分布的厚尾特征,改变传统的非对称随机波动模型中随机误差项的正态分布假定,建立基于student-t分布的改进的非对称随机波动模型,在贝叶斯分析的基础上通过MCMC方法进行参数估计。通过实证研究发现,在考虑了极端风险情况后,改进的厚尾分布的非对称随机波动模型对干散货运价波动的杠杆效应特征刻画更加准确和优越。     

基于CARR模型的交易量与股价波动性动态关系的研究

股市交易量与股价变化的关系就一直是学术界与实务界所共同关心的主题。基于Chou(2005)提出的CARR模型对两者的动态关系问题进行了研究。首先分析了作为量价关系理论基础的混合分布假说理论在CARR模型中的适川性,进而基于混合分布假说理论对我国上证综合指数、深证成份指数以及随机抽取的十只个股进行了量价关系的实证检验。研究发现:混合分布假说理论同样适用于CARR模型,这证实了股价波动性的CARR效应的存在。实证的结果也证实了CARR模型无论是对于股票指数还是单只股票交易量都具有了良好的解释作用。因此,CARR模型与GARCH模型相比,在交易量与股价波动关系动态关系的研究领域可以得到更为稳健的结果。     

半参数门限广义非对称随机波动模型研究

为了能够同时刻画和描述金融资产收益序列的偏态、厚尾以及序列的门限效应、非对称杠杆效应等特性,提出把门限广义非对称随机波动模型与非参数Dirichlet过程混合模型有机结合,构建了半参数门限广义非对称随机波动模型,并对模型进行了贝叶斯分析.实证研究中,利用上海黄金价格收益率序列数据进行建模分析,结果表明:半参数门限广义非对称随机波动模型能够有效地刻画上海黄金价格收益率序列波动率的动态特征.     

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 .     

基于非参数GARCH模型的中国股市波动性预测

本文采用上证综合指数和深证成份指数1997年1月2日—2005年6月30日的每日收盘价对数百分收益率为样本,运用非参数GARCH(1,1)模型研究了中国股票市场的波动性,并与参数GARCH(1,1)模型的估计结果进行了比较,最后利用六种预测误差度量指标比较了这两种模型的样本内及样本外预测能力,结果发现,非参数GARCH(1,1)模型对股市波动性的预测精度有明显提高。     

上海股市波动的预测方式和模型

探讨基于 SV类模型的上海股市波动的预测方式和模型问题 .比较了 SV( stochastic volatility)类模型 (包括基本 SV模型和 ASV模型 )在两种不同方式下的预测效果 ,并将基本 SV类模型的预测效果与 ASV模型 ,以及其他常用模型做了比较 .结果表明 :SV类模型在两种预测方式下的预测效果存在一定的差异 ;基本 SV模型对于上海股市具有较强的预测能力 ;ASV模型的预测效果不理想 .