基于动态数据驱动的改进灰色马尔科夫模型黄金价格预测

将黄金数据的尖峰厚尾、异方差性及杠杆效应等统计特征与马尔科夫概率转移矩阵所具有的动态变化规律结合,提出一种改进的灰色马尔科夫模型.模型首先对数据进行统计分析,建立相应的概率统计模型并用此模型对系统发展变化趋势进行拟合.在拟合序列的基础上利用马尔科夫链的动态转移变化建立状态转移概率矩阵,采用动态数据驱动原理对未来每一步数据进行动态预测.模型既是统计方法与数据动态驱动的结合,克服了传统的灰色马尔科夫模型中对数据内在统计规律的忽视,实证表明其预测精度较灰色马尔科夫模型预测高,具有较好的实用性.     

基于GARCH模型的股指期货协整跨期套利实证研究

利用沪深300股指期货的5分钟高频收盘数据建立跨期套利模型,在现有的协整理论基础上,应用GARCH模型描述残差的条件异方差性,用历史数据预测未来价格的时变方差,利用置信度确定价差范围。实证结果表明,沪深300股指期货存在日内跨期套利机会.无论是样本内数据还是样本外数据,投资者的风险好恶如何,通过跨期套利可以在较小的风险下,获得较高的盈利.     

基于我国期货市场的统计套利研究

不同于股票市场,期货市场存在天然的做空机制,非常方便进行套利。本文以我国的期货市场为研究对象,对期货市场上的统计套利进行实证研究.首先,我们提出了协整模型、误差修正模型和基于协整关系的GARCH等3个统计套利模型,设计了相应的交易策略,然后,对样本外数据进行检验,分析不同开仓位、止盈、止损位置与累计收益率的关系。结果表明,基于协整关系的GARCH模型是三个统计套利模型中最优的.实证结果表明,本文所提出的统计套利模型以及相应的策略在我国的期货市场是可行的。     

多指标可加模型及在医疗费用预测中的应用

对医疗费用的建模分析与合理预测是医疗保险费用厘定的基础与根本.医疗费用中的高维附加信息在长期预测中具有重要作用.然而,传统的统计建模方法不适用于处理高维纵向数据下的医疗费用.本文提出部分线性多指标可加模型,对具有高维特征的纵向医疗费用数据进行拟合与预测,并且使用两种不同的降维估计方法进行模型估计,并将该模型应用于一组含...     

局部权重调节的自适应惩罚样条回归模型

传统惩罚样条回归模型中的惩罚是均匀惩罚未考虑数据的局部异质性,因而对复杂数据的拟合缺乏自适应性.本文针对约束回归模型惩罚项的设置特点,设计一种局部惩罚权重向量并将其加入到模型中,构造基于B样条基的自适应惩罚样条回归模型.新模型在观测数据波动较大的区域,给予拟合曲线较小的惩罚,而在观测数据波动较小的区域,给予拟合曲线较大的惩罚,从而使拟合曲线能自适应的反映观测数据的局部变化特征.模拟和应用的结果显示新模型的拟合效果显著优于传统的惩罚样条回归模型.     

基于径向基的自适应惩罚样条回归模型

传统惩罚样条回归模型中惩罚项的设置未考虑数据的空间异质性,因而对复杂数据的拟合缺乏自适应性.文章通过对径向基函数的几何意义分析,以节点两侧相邻区域内数据点的纵向极差为基础,构造局部惩罚权重向量并加入到约束回归模型的惩罚项中,构造了基于径向基的自适应惩罚样条回归模型.新模型在观测数据波动较大的区域,给予拟合曲线较小的惩罚,而在观测数据波动较小的区域,给予拟合曲线较大的惩罚,从而使拟合曲线能自适应地反映观测数据的局部变化特征.模拟和应用结果显示新模型的拟合效果显著优于传统的惩罚样条回归模型.     

基于RLS算法的多项式预测模型及其应用研究

为了提高经济领域统计数据的预测精度,代数多项式预测模型的建模方法应运而生.该方法使用代数多项式模型拟合给定的经济统计数据,并使用递推最小二乘法(RLS)对多项式拟合模型的加权系数进行递推计算以获得最优模型参数,然后通过获得的最优多项式模型计算未来预测数据.文章以实际统计的经济数据为例进行了仿真计算,研究结果表明,该方法不仅能实现统计数据的高精度拟合,而且具有很好的预测能力,在经济领域具有广阔的应用前景.     

基于组合预测的静态利率期限结构优化模型

针对单个静态利率期限结构模型在拟合收益率曲线时的不足,本文引入组合预测的方法,在绝对误差和与方差和最小准则下,分别建立了静态利率期限结构组合优化模型,并给出了模型的遗传算法求解过程。然后将上海证券交易所2004～2009年的国债每日交易数据分为样本内数据和样本外数据,对多项式样条、指数样条、NS、SV和组合优化模型进行实证比较。结果表明：无论是对于样本内数据的拟合,还是对于样本外数据的预测,组合优化模型的统计特征指标几乎都要优于其他单一模型,并且具有良好的适应性和稳健性,适用于拟合我国国债利率期限结构。     

南通地区月降水量时间序列分析

根据南通地区1989年-2005年月降水量数据,在统计检验其平稳性、纯随机性的基础上,结合谱分析,建立该地区具有季节效应的疏系数ARIMA月降水量时间序列模型,对模型作了拟合预测检验.研究表明,多个模型的联合使用比单一模型更利于准确拟合预测.     

城市道路短时交通流量预测

结合BP神经网络模型和自回归求和滑动平均(ARIMA)模型对城市道路交通短时区间流量进行预测.影响交通流的因素有很多,难以一一量化,但这些因素都可以由线性自相关结构和非线性结构结合线性组合得到.而BP神经网络对非线性关系有很好的拟合效果,ARIMA模型则具有良好的线性拟合能力.在训练模型时,先用ARIMA模型拟合训练集,与原始数据作差得到一组残差;用BP神经网络模型拟合残差;将两个模型结合得到组合模型.将2017年7月1日7:00到2017年7月1日18:00期间,贵阳市某个路口断面所采集的过车数据作为训练集,建立ARIMA模型和BP神经网络模型以及组合模型,预测2017年7月1日18:00到2017年7月1日19:00的短时交通流.过车数据统计时间间隔为5min,则训练集共有有效数据132组,测试集的有效数据为12组.分别用三类误差分析指标比较三个模型的拟合、预测效果,结果显示组合模型的预测效果比两个模型单独使用的预测效果更准确.     

我国股指期货市场与股票市场风险传导机理研究——基于双变量CAViaR方法

本文基于日内和日度数据使用双变量CAViaR模型估计了沪深300股指期货和标的指数的风险价值,并基于沪深300股指期货市场日内交易行为角度分析了股指期货和现货市场间日内与日间风险传导作用的差异。结果发现,期货市场日内风险的自相关特征显著高于现货市场,而两个市场的日间自相关性相差甚小,期货市场向现货市场的单向风险溢出效应仅体现在日内信息的传递过程中。与现货市场相比,期货交易的杠杆性以及当日回转交易便利了日内投机、套利交易,因而期货市场日内信息传递效率更高。     

股指期货考虑套期保值成本时的套期保值比率研究

所谓股指期货,就是以某种股票指数为标的物的金融期货合约.它同时具有股票与期货的特性,是组合投资者规避系统风险的重要金融衍生工具.针对股指期货,在考虑套期保值成本的前提下,利用套利和CAPM模型给出最优套期保值比率的计算公式.这将在一定的程度上,提高了计算的准确性,并且减少计算的工作量.     

基于高斯核支持向量机的商品期货市场套利研究

基于高斯RBF核支持向量机预测棉花商品期货主力和次主力合约协整关系的价差序列,确定最优SVM参数,并选择合适的开平仓阈值,进行同品种跨期套利.再与多项式核支持向量机套利结果对比,得到在所有开平仓阈值上,基于高斯RBF核支持向量机套利的收益率都明显高于多项式核支持向量机套利的收益率.     

基于随机占优的股指期货市场有效性分析

2015年中金所出台严格监管措施后,股指期货成交低迷,异象频出。为验证严格监管措施对股指期货市场有效性的影响,本文利用随机占优DD测试法,为风险规避者和风险寻求者分别构建升序和降序占优模型。传统DD测试法用等间距划分的方式产生网格,且假设检验的两个判定阈值为相反数,这不符合金融数据的分布规律。因此,本文提出了对DD测试法的两处改进,利用“等频率划分法”产生网格,利用“非对称分位数法”产生阈值。实证方面,本文对三个股指期货及其现货的15分钟数据进行分析,发现在自股灾以来,上证50指数一阶占优于上证50股指期货,形成套利机会,且该套利策略的年化收益率、夏普比率和卡玛比率都非常优异。实证进一步显示,严格监管措施后占优数量达到最高峰,严格监管措施导致的股指期货功能受损比股灾更严重,而这一现象在中金所逐步放松监管措施后得以稍微缓解但没有根本改变。     

Convexity Bias in Eurodollar Futures Prices: A Dimension-Free HJM Criterion

In the theory of interest rate futures, the difference between the futures rate and forward rate is called the “convexity bias,” and there are several widely offered reasons why the convexity bias should be positive. Nevertheless, it is not infrequent that the empirical the bias is observed to be negative. Moreover, in its most general form, the benchmark Heath–Jarrow–Morton (HJM) term structure model is agnostic on the question of the sign of the bias; it allows for models where the convexity bias can be positive or negative. In partial support of the practitioner’s arguments, we develop a simple scalar condition within the HJM framework that suffices to guarantee that the convexity bias is positive. Moreover, when we check this condition on the LIBOR futures data, we find strong empirical support for the new condition. The empirical validity of the sufficient condition and the periodic observation of negative bias, therefore leads one to a paradoxical situation where either (1) there are arbitrage possibilities or (2) a large subclass of HJM models provide interest rate dynamics that fail to capture a fundamental feature of LIBOR futures.     

基于统计套利思想的股指期货跨期套利

基于统计套利交易的思想,对沪深300股指期货合约间价差的波动规律进行了研究,并在该波动规律的基础上建立了股指期货的跨期套利模型.从交易的效果来看,我国股指期货市场存在着跨期套利空间.     

The dynamics of the relationship between spot and futures markets under high and low variance regimes

This investigation is one of the first studies to examine the dynamics of the relationship between spot and futures markets using the Markov‐switching vector error correction model. Three mature stock markets including the U.S. S&P500, the U.K. FTSE100 and the German DAX 30, and two emerging markets including the Brazil Bovespa and the Hungary BSI, are used to test the model, and the differences between the two sets of markets are examined. The empirical findings of this study are consistent with the following notions. First, after filtering out the high variance regime, the futures price is shown to lead the spot price in the price discovery process, as demonstrated by prior studies; conversely, the spot market is more informationally efficient than the futures market under the high variance condition. Second, the price adjustment process triggered by arbitrage trading between spot and futures markets during a high variance state is greater in scale than that based on a low variance state, and the degree of the co‐movement between spot and futures markets is significantly reduced during the high variance state. Third, a crisis condition involved in the high variance state is defined for the two emerging markets, whereas an unusual condition is presented for the three mature markets. Last, the lagged spot–futures price deviations perform as an information variable for the variance‐turning process. However, the portion of the variance‐switching process accounted for by this signal variable is statistically marginal for the three mature markets selected for this study. Copyright © 2008 John Wiley & Sons, Ltd.     

Calibration and Filtering for Multi Factor Commodity Models with Seasonality: Incorporating Panel Data from Futures Contracts

We construct a general multi-factor model for estimation and calibration of commodity spot prices and futures valuation. This extends the multi-factor long-short model in Schwartz and Smith (Manag Sci 893–911, 2000) and Yan (Review of Derivatives Research 5(3):251–271, 2002) in two important aspects: firstly we allow for both the long and short term dynamic factors to be mean reverting incorporating stochastic volatility factors and secondly we develop an additive structural seasonality model. In developing this non-linear continuous time stochastic model we maintain desirable model properties such as being arbitrage free and exponentially affine, thereby allowing us to derive closed form futures prices. In addition the models provide an improved capability to capture dynamics of the futures curve calibration in different commodities market conditions such as backwardation and contango. A Milstein scheme is used to provide an accurate discretized representation of the s.d.e. model. This results in a challenging non-linear non-Gaussian state-space model. To carry out inference, we develop an adaptive particle Markov chain Monte Carlo method. This methodology allows us to jointly calibrate and filter the latent processes for the long-short and volatility dynamics. This methodology is general and can be applied to the estimation and calibration of many of the other multi-factor stochastic commodity models proposed in the literature. We demonstrate the performance of our model and algorithm on both synthetic data and real data for futures contracts on crude oil.     

沪铜期货及其期权的量化定价实证研究

作为最大的铜消费市场,铜在我国占据着最重要地位。随着2018年9月沪铜期货期权正式登陆上海期货交易所,我国铜交易产品进一步与国际接轨。虽然拥有世界领先的铜交易市场,但我国学术领域尚缺乏采用量化方法对沪铜期货及其期权的深入实证研究。在大宗商品量化领域,Schwartz二因子模型^[1]被看作是量化期货定价的基准模型,本文通过实证分析发现经典二因子模型在中国市场应用时会产生“水土不服”,因此本文采用波动参数的思想,修正了Schwartz二因子模型在中国沪铜市场的“水土不服”。另外,根据早期文献对认购期货期权的量化定价模型^[2,3],本文明确了认沽期货期权的量化定价公式,并通过对沪铜期货期权定价模型的实证分析,发现目前沪铜期货期权存在套利空间。     

中国螺纹钢期货市场价格发现功能研究

螺纹钢期货价格发现功能研究对我国钢铁行业提高竞争力,争取钢铁成品和铁矿石定价权,引导螺纹钢期货市场健康发展具有重要作用。本文在向量误差修正模型(VEC)中引入剔除残差相关性的最小二乘算法,构建了用于测度期现货市场价格发现功能的永久短暂PT和信息份额IS共同因子模型,弥补了现有VEC模型由于求得的期现货残差序列相关性较大,导致PT和IS模型测算的信息贡献度存在较大差异的不足。在此基础上,利用2011年1月至2014年11月中国螺纹钢期现货市场933个日交易数据,验证了模型的有效性。