基于分形分析的国际金价波动长记忆性识别与预测研究

本文对国际金价波动的长记忆性进行研究,通过R/S,MRS,V/S等方法计算Hurst指数,证实了金价波动存在着显著的长记忆性。以此为基础借助分数差分,构建ARFIMA、FIGARCH、ARFIMA-GARCH等基于分形分析的长记忆性预测模型,实证结果表明该类模型很好地刻画了国际金价的内在波动规律,具有较强的预测功能。     

沪深股市的相关结构分析与投资组合风险度量——基于ARFIMA-GARCH-Copula模型

金融资产收益率不仅具有尖峰厚尾性、异方差性,还具有长记忆性。基于此,本文建立ARFIMA-GARCH-Copula模型来研究沪深股市的相关结构和等权重投资组合风险值VaR,利用上证指数和深成指数收益率的组合来进行实证研究。首先采用经典R/S分析法检验各个资产收益率的长记忆性,经过分数阶差分后选用GARCH模型建模得到边缘分布。然后选择Copula函数来刻画两资产之间的相关结构,建立联合分布模型。进而采用Monte Carlo方法模拟产生各资产的收益率序列,计算出投资组合的风险值VaR。实证研究表明:沪深股市具有长记忆性,且两者具有对称的尾部相关性;Kupiec检验说明ARFIMA-GARCH-Copula模型较之于GARCH-Copula模型能更准确地度量投资组合风险。     

混合分数布朗运动下欧式期权模糊定价研究

本文采用混合分数布朗运动来刻画标的股票价格的动态变化,以此体现金融市场的长记忆性特征。在混合分数Black-Scholes模型的基础上,基于标的股票价格、无风险利率和波动率均是模糊数的假定下,构建了欧式期权模糊定价模型。其次,分析了金融市场长记忆性的度量指标Hurst指数H对欧式期权模糊定价模型的影响。最后,数值实验表明：考虑长记忆性特征得到的欧式期权模糊定价模型更符合实际。     

人民币汇率波动对我国行业风险影响研究

以2008年1月7日到2012年3月30日为样本数据,建立基于广义误差分布的GARCH模型.结果表明,行业指数收益率波动具有"长期记忆性"并且股市价格的波动呈现非对称性,即存在杠杆效应.改变了以往运用总体角度方法,以行业角度出发,同时引入了流动性风险这一控制因素,分析汇市与股市的关系,结论更具有现实意义.     

基于非对称双成份CARR模型的波动率预测

研究表明,基于日内(高低价)数据构建的价格极差测度相比日度收益率包含更多关于真实波动率的信息,同时,波动率具有聚集性、非对称性和长记忆性等丰富、复杂的典型特征,综合考虑这些特征对波动率进行建模与预测非常重要。本文在对价格极差建模的CARR模型的基础上,对其进行扩展,构建了双成份CARR (CCARR)模型来对波动率进行预测。该模型假设价格极差的条件均值由两个成份组成,即长期成份与短期成份.该模型能够捕获波动率长记忆性,且容易进一步扩展为非对称CCARR (ACCARR)模型来捕获杠杆效应(波动率非对称性)。(A)CCARR模型具有较高的建模灵活性,且易于实现。采用上证综合指数、香港恒生指数、日本Nikkei225指数、法国CAC40指数和德国DAX指数数据进行实证分析,以价格极差与已实现波动率(RV)作为比较基准,四种预测评价指标及Mincer-Zarnowitz检验结果表明:杠杆效应与双成份极差(波动率)都对样本外波动率预测具有重要影响,且杠杆效应相比双成份极差对于样本外波动率预测的影响更大;考虑了杠杆效应的双成份ACCARR模型具有最好的样本外波动率预测效果,其次是ACARR模型,CARR模型表现最差。     

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.     

基于长记忆模型的期货与现货波动率关系分析

基于SEMIFAR模型分析了沪深300指数和沪深300股指期货对数日波动率序列的长记忆性,发现股指期货波动率序列的长记忆性弱于指数波动率序列.另外,通过对比分析两波动率序列的确定趋势可知:现货市场与期货市场的波动率的变化趋势基本一致,二者处于一种长期的均衡关系,但又存在一定的差异;期货市场对于稳定现货市场的波动具有一定的作用,尤其表现在股价大幅度下跌时.     

中国股票市场的分形结构——股票收益长期记忆特征的实证研究

股票市场收益的长期记忆特征对于系统非线性结构的确定以及市场有效性的研究具有重要的意义.针对上海和深圳A股算术加权和流通市值加权市场指数的周收益序列以及上证180指数和深圳成份指数中选取的12只代表性股票的周收益序列,采用重标级差分析(R/S分析)和ARF IM A模型对其进行了实证研究.从统计结果来看,样本序列呈现出尖峰和肥尾等有偏特征,明显不满足正态分布的假设,表明收益序列可能具有长程相关或记忆性.进一步的研究发现,沪深两市A股市场指数收益序列和大多数个股(10只股票)存在明显的长期记忆特征,收益分布表现出持久性.从划分不同时段的分析结果来看,中国股票市场渐进趋于弱势有效.     

深市收益特征及价量关系实证研究

本文分析了深市日收益率序列和波动率序列的每周不同天效应和记忆性。认为,深市日收益率序列不存在每周不同天效应,但存在一至二星期的记忆性;波动率序列则存在每周不同天效应和持续性;同时,交易量对波动率具有很好的解释作用。     

中国股票市场的长记忆性与市场发展状态

对于中国股市的长记忆性问题,许多的学者得到了不同的结论,这主要是由于不同方法自身存在着缺陷,针对这一问题,分别运用经典R/S分析,修正R/S分析,DFA及广义Hurst指数等统计分析方法对其进行实证研究,以期使结果更加稳健.结果发现沪深两市均具有长记忆性特征.此外,研究了广义Hurst指数值与市场发展状态之间的依赖性,并根据该性质得到结论认为沪深两市属于新兴的、非有效的市场.     

上证指数收益率的长期记忆性

本文介绍了利用谱回归对分数积分移动平均自回归 (ARFIMA)模型的分数差分参数进行估计的方法,并据此方法对上证指数收益率的长期记忆性进行了检验,根据分段检验的结果,得出一些有关我国证券市场有效性的结论。     

基于R/S分析的我国股票市场标度特性研究

应用重标度极差分析法(R/S),对我国股票市场不同时间间隔的收盘指数进行实证分析,研究我国股票市场的标度特性.结果表明我国股票市场具有长期记忆性和标度不变性,分别存在244天(上海)和190天(深圳)的非周期循环,并呈现多重分形特征.     

基于ARMA-GARCH-SN模型的沪深300股指期货日内波动率研究与预测

运用五个交易日的股指期货高频数据(每秒两笔),本文主要研究了沪深300股指期货日内波动率特征并对日内波动率预测。研究发现高频股指期货日内收益率有明显的波动率聚集和条件异方差现象,但无尖峰厚尾现象,收益率序列分布符合有偏正态分布。因此,我们对时间序列建立了最优的ARMA-GARCH-SN模型,并对模型拟合充分性做了验证,拟合结果发现ARMA(1,2)-GARCH(1,1)-SN模型基本能够刻画股指期货高频日内波动特征,条件方差所受的冲击具有很强的持续性、日内波动也具有长记忆性,最后我们还利用自助法对高频股指期货日内波动率两步预测、利用滚动回归预测方法对样本做了样本内预测。预测结果表明,波动率预测结果能够较好地反映股指期货日内波动特征。     

股票市场的长记忆及其动态结构

本文提出了结合平均小波系数法和自回归原始自助法的稳健长记忆检验,蒙特卡罗模拟显示该方法对于短期记忆过程具有稳定性。基于该方法对2005年4月8日至2015年6月30日的中国、美国、香港和德国股市进行了实证分析。全局检验结果表明仅中国的股票市场存在显著的长记忆,并且风险因素无法对长记忆解释,而美国、德国和香港的股市不存在长记忆。基于递增窗口的动态Hurst指数分析显示,金融危机时期4个股市都存在显著的长记忆。2010年后,除中国股市外,其余三个股市几乎不存在长记忆现象。     

Market calibration under a long memory stochastic volatility model

In this article, we study a long memory stochastic volatility model (LSV), under which stock prices follow a jump-diffusion stochastic process and its stochastic volatility is driven by a continuous-time fractional process that attains a long memory. LSV model should take into account most of the observed market aspects and unlike many other approaches, the volatility clustering phenomenon is captured explicitly by the long memory parameter. Moreover, this property has been reported in realized volatility time-series across different asset classes and time periods. In the first part of the article, we derive an alternative formula for pricing European securities. The formula enables us to effectively price European options and to calibrate the model to a given option market. In the second part of the article, we provide an empirical review of the model calibration. For this purpose, a set of traded FTSE 100 index call options is used and the long memory volatility model is compared to a popular pricing approach – the Heston model. To test stability of calibrated parameters and to verify calibration results from previous data set, we utilize multiple data sets from NYSE option market on Apple Inc. stock.     

我国股市收益的双长记忆性检验——基于VaR估计的ARFIMA-HYGARcH-skt模型

针对股市收益分布的"尖峰肥尾"特征,引入了偏t分布作为新息分布。基于VaR方法,从风险估计的角度,利用ARFIMA(2,d_1,0)-HYGARCH(1,d_2,1)-skt模型对1996年12月17日至2007年7月5日期间的沪深股市收益进行了实证分析.实证结果显示:沪深股市具有显著的双长记忆特征;上海股市的日收益率和波动率的长记忆性均比深圳股市强;ARFIMA(2,d_1,0)- HYGARCH(1,d_2,1)-skt模型对我国股市收益具有较强的风险估计和预测能力。     

金融时间序列中单位根的检验:在亚太地区主要股票市场中的应用(英文)

本文运用分数差分的方法研究了亚太地区主要股票市场的日股票价格.根据数据特征,我们运用了Robinson(1994)年提出的检验统计量的一种特殊形式对金融数据的单位根和不稳定性进行检验.结果证明,该地区股票价格长记忆行为各不相同但十分相似.     

股票收益的分形特征的实证分析

本文以具体股价指数为例研究股票市场的分形特征,结果发现股票的收益具有长期记忆性、收益分布具有尖峰、细尾等特点,这对预测及管理证券的风险是有极重要的意义的.