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.     

基于因子分析法的金融高频已实现波动的预测

金融高频数据的已实现波动(RV)在风险管理中扮演着非常重要的角色,已有大量文献对如何预测资产的已实现波动进行了研究.采用因子分析法来预测RV,探讨了不可观测的金融序列的公共因子在预测已实现波动时所起的作用,并考虑了资产价格中跳跃的影响,建立了基于因子分析法的波动预测模型(F-RV-J).从损失函数、MCS检验和在险价值VaR的预测能力三个方面,将F-RV-J模型与其它常用的预测模型进行了比较,发现F-RV-J模型明显要优于其它波动预测模型.     

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。     

基于广义已实现测度的中国股市波动预测与VaR度量

基于上证综合指数和深证成份指数,文章将广义已实现测度引入ARFIMA-Realized GARCH模型,同时考虑已实现方差、已实现极差、已实现双幂次变差和已实现极差双幂次变差,比较不同已实现测度下模型的波动率预测能力和VaR度量效果.实证结果表明:ARFIMA-Realized GARCH模型能够充分捕获波动率的非对称...     

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。     

"已实现"波动率在VaR计算中的实证研究

本文根据“已实现”波动率的性质用ARF IM A模型对其进行模拟,并在此基础上研究了V aR,发现在学生T分布和GED分布下有比较好的预测效果.     

基于跳跃波动率的未定权益定价模型

讨论了具有随机波动率的未定权益定价问题,建立了两状态波动率的股票价格行为模型,在股票价格过程是连续过程、跳风险不可定价的假设下,推导出未定权益的定价公式.     

引入跳跃和结构转换的中国股市已实现波动率预测研究:基于拓展的HAR-RV模型

结合日内跳跃识别方法和马尔可夫机制转换模型,对已实现波动率异质自回归模型(HARRV)进行拓展,以刻画连续波动、跳跃波动以及不同方向跳跃波动对未来波动影响的差异和波动的结构转换特征,并运用该模型对上证综指和深证成指高频数据进行实证分析。研究结果表明:在短期内,连续波动和跳跃波动对未来波动影响具有显著的差异;负向跳跃和正向跳跃往往同时发生且幅度相当,但负向跳跃波动对未来波动的影响更大;在不同波动状态下,历史波动对未来波动的影响存在较为明显的差异。MCS检验结果显示,区分跳跃波动方向和考虑波动的结构转换特征可以显著提升模型的样本内和样本外的预测能力。     

基于多元分析的人民币汇率波动率预测

对人民币汇率波动率建立了BEKK,CCC,O-GARCH,IC-GARCH模型。针对人民币汇率波动率的非对称性,改进了IC-GARCH模型,建立了IC-GJRGARCH,IC-IGARCH模型。给出了以上各模型的预测结果及评价,并分析IC情形下,残差类型及降维技术对预测效果的影响。人民币汇率波动率的预测实证表明,BEKK模型和IC-GJRGARCH模型比其他模型的预测效果要理想;残差类型为广义误差分布与t分布的预测效果都要优于高斯分布的预测效果;模型降维后预测效果与降维前的预测效果相差不大,甚至优于后者。     

股市波动性预测模型改进研究

本文从参数估计准则和收益率波动性的定量表达这两方面来探讨股市收益的波动性预测改进方法,并由此提出了以收益率偏差绝对值为代替偏差平方并利用非线性最小二乘法来估计参数的(A)GARCH-NLS模型。最后,我们以国泰君安指数、上证综指以及深证成指1998 1 5-2002 9 25的每日收盘价格为样本来考察各种合理替代所产生的模型对股市波动性的预测性能影响。结果发现,(A)GARCH-NLS模型对股市波动性的预测精确度有了较显著的提高。     

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。     

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 .     

基于状态空间SV-T-MN模型的股指波动率预测

本文考虑到金融收益率序列的"尖峰厚尾"和波动持续性等特征,针对厚尾SV-T模型的波动率样本外预测问题,提出了基于状态空间下的SV-T-MN(SV-T with Mixture-of-Normal)模型。首先根据MCMC方法估计SV-T模型参数,然后由EM算法估计混合正态参数,最后利用近似滤波(AMF)算法实现SV-T-MN模型的样本外预测。对KF、EKF、AMF进行的模拟研究表明高斯混合状态空间下的AMF更有效。通过对上证指数和深证成指的股指日收益率序列的实证研究结果表明,在五大损失函数评价准则下,基于状态空间SV-T-MN模型能有效刻画金融收益率序列和尾部的波动性,相比SV-N-MN模型具有更好的优越性。     

Support Vector Machine as an Efficient Framework for Stock Market Volatility Forecasting

Advantages and limitations of the existing models for practical forecasting of stock market volatility have been identified. Support vector machine (SVM) have been proposed as a complimentary volatility model that is capable to extract information from multiscale and high-dimensional market data. Presented results for SP500 index suggest that SVM can efficiently work with high-dimensional inputs to account for volatility long-memory and multiscale effects and is often superior to the main-stream volatility models. SVM-based framework for volatility forecasting is expected to be important in the development of the novel strategies for volatility trading, advanced risk management systems, and other applications dealing with multi-scale and high-dimensional market data.     

股灾背景下中美股市风险溢出的结构转换研究

选取中美股票市场的上证综指、恒生指数和标普500指数作为研究对象进行风险溢出效应研究,结果表明,总体而言上海市场与香港市场之间双向风险溢出效应最为显著,香港市场和美国市场次之,而上海市场与美国市场之间的双向风险溢出效应最不显著;从风险溢出方向与强度方面分析,无论牛熊市,香港市场对上海市场在极端风险时刻的风险溢出要显著强于上海市场对香港市场的溢出,而香港市场与美国市场之间在牛市行情下双向风险溢出效应相对均衡,在熊市行情下香港对美国的风险溢出相对更大,与常理不一致的结果是上海市场在牛市期间对香港市场的风险溢出效应要大于熊市,围绕这一点进一步采用Chi-plot相关图进行分析表明中国市场还未达到“中国打喷嚏,世界经济感冒”的状态;从风险溢出效应的动态趋势分析看出两个牛市阶段各市场的风险溢出呈现不同特征。美国市场对中国市场的风险溢出效应总体平稳,而中国市场对美国市场的风险溢出效应存在一定差异,在低分位数水平相差较大,随分位数水平提高两个牛市阶段的风险溢出趋于一致。但上海市场对香港市场的风险溢出随时间变化在牛市阶段逐步增强,而香港市场对上海市场的风险溢出则逐渐下降。     

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 .