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。     

沪深股市杠杆效应的实证分析

运用 E-GARCH模型对沪深股市的杠杆效应进行了实证分析 ,结果表明 ,日收益存在着明显的杠杆效应 ,收益对波动强度的影响具有非对称性 .     

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。     

带跳GARCH-SV模型的参数估计及实证分析

在GARCH随机波动率模型基础上,建立了带有"杠杆效应",双重跳与"风险溢价",因子的G-SVCJ和G-SVIJ模型。考虑"杠杆效应"以及标的资产价格和波动率两方面的跳跃和"风险溢价",利用基于有效重要性抽样方法的极大似然估计(EIS-ML),估计了G-SV,G-SVJ,GSVCJ,G-SVIJ模型的参数,并利用沪深300指数与恒生指数进行实证分析。结果说明了中国股市存在"跳跃"现象、"杠杆效应"以及"风险溢价",同时表明G-SVCJ和G-SVIJ模型更有效。     

经济政策不确定性与短期利率波动——基于BHK-L-MIDAS模型的实证研究

本文在BHK模型的基础上，考虑短期利率波动杠杆效应和EPU对短期利率波动的影响，构建了一个包含杠杆效应和EPU的混频短期利率模型，即BHK-L-MIDAS模型对短期利率波动进行建模与预测。采用上海银行间同业拆借利率(SHIBOR)和中国EPU指数数据对构建的BHK-L-MIDAS模型进行实证分析，结果表明：短期利率波动存在“反向杠杆效应”;EPU对短期利率波动具有显著负向的影响；BHK-L-MIDAS模型相较于竞争模型(BHK和BHK-MIDAS模型)获得了更好的样本内数据拟合效果。基于三种损失函数以及模型置信集(MCS)检验对模型样本外短期利率波动预测能力的分析表明：BHK-L-MIDAS模型相比BHK模型和BHK-MIDAS模型具有更高的样本外预测精度，且BHK-L-MIDAS模型在不同预测窗口表现出的预测能力具有稳健性。最后，VaR分析表明BHK-L-MIDAS模型在短期利率市场风险度量方面的经济价值。     

中国股市和债市波动溢出效应的MV-GARCH分析

股市和债市的波动溢出效应是研究金融市场信息流动、风险传递的重要内容。在估计了股市和债市候选MV-GARCH模型参数基础上,通过AIC准则等拟合优度方法选择了t分布型BEKK为最优模型,因为它更好的捕捉到了金融时序尖峰、厚尾的特征.结果显示,中国股市和债市波动溢出具有明显时变特征,波动影响不对称,股市对债市影响大于债市对股市影响。动态相关系数偏弱说明两个市场在资源配置能力、信息流动等方面存在显著的缺陷.     

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.     

对我国期货市场波动性的分阶段实证研究

波动性是经济和金融研究的热点问题。本文首先采用无条件波动度量方法对我国三大期货市场1997年—2004年的波动性进行了估计,发现第一阶段97年—02年期货价格总体呈下跌趋势,三大市场整体波动性不大,较高的波动性都出现在期货价格下跌时期,较低的波动性都出现在期货价格上涨时期;第二阶段03年—04年三大市场波动性显著提高,总体价格呈上升趋势,较高的波动性都出现在期货价格上涨时期,而较低的波动性都出现在期货价格下跌时期;本文进一步采用条件波动模型对我国三大期货市场两个阶段收益率与波动性的相关关系及波动性的杠杆效应进行了研究,结果表明铜期货收益率与波动性显著相关,大豆期货收益率与波动性不显著相关;我国三大期货市场均存在杠杆效应,并且两个阶段波动性的杠杆效应相反,其中铜期货市场的杠杆效应更显著。     

基于下界VaR对沪深股市市场风险的实证研究

本文应用Luciano和Marena提出的计算资产组合VaR的上下界的方法,对沪深股市的市场风险做了实证研究,并与传统的正态VaR做了比较。实证分析表明,沪深股市的市场风险确实存在“厚尾”和“波动聚集”现象。本文对国内市场的波动聚集现象进行了详细分析．并讨论了风险控制模型的相关检验,下界VaR通过了两次模型检验。     

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。     

股票投资组合的实证研究

股票的收益率的实际分布有尖峰厚尾有偏的特性,而传统的正态分布不能很好地拟合这一特性。对股票进行组合投资是现代投资的趋势。本文基于非对称Laplace分布来研究股票投资组合。实证分析表明,非对称Laplace分布比正态分布,对称Laplace分布能更好地拟合组合资产的收益分布率。     

基于SV模型的国际现货贵金属市场收益波动的杠杆效应分析

针对国际现货贵金属市场收益波动中是否存在杠杆效应的问题,选取2008年至今的黄金、白银市场数据进行分析,运用具有杠杆效应的SV模型对其收益波动建模,并采取MCMC法—Gibbs法进行参数估计.结果表明:与股票市场的研究结论不同,国际现货黄金、白银市场在整个观察期内几乎不存在杠杆效应;但其震荡期内存在较弱的杠杆效应.     

On the Esscher transforms and other equivalent martingale measures for Barndorff-Nielsen and Shephard stochastic volatility models with jumps

We compute and then discuss the Esscher martingale transform for exponential processes, the Esscher martingale transform for linear processes, the minimal martingale measure, the class of structure preserving martingale measures, and the minimum entropy martingale measure for stochastic volatility models of the Ornstein–Uhlenbeck type as introduced by Barndorff-Nielsen and Shephard. We show that in the model with leverage, with jumps both in the volatility and in the returns, all those measures are different, whereas in the model without leverage, with jumps in the volatility only and a continuous return process, several measures coincide, some simplifications can be made and the results are more explicit. We illustrate our results with parametric examples used in the literature.