基于GARCH类模型-POT的股指期货保证金水平设置

由于股指期货持有空头头寸的投资者面临的风险明显高于持有多头头寸的投资者,因此应该对股指期货保证金分多头和空头分别设置.鉴于我国正处于推出金融衍生产品的探索阶段,交易的安全性和稳定性最为关键.本文通过分析研究,结合中金所设置股指期货保证金水平的做法,选取违约概率为0.001时保证金水平,将沪深300股指期货合约的保证金水平设置区间分别确定为:全尾[9.75%,12.48%]、多头[7.53%,8.57%]、空头[9.5%,13.31%].为了减小违约概率,建议中国金融期货交易所将沪深300股指期货的保证金设置水平调整为14%-16%的水平.     

股指期货对股票市场的波动性影响研究:基于正反馈交易角度的分析

理论上,股指期货的推出可以抑制正反馈交易行为,从而平稳市场价格剧烈波动,为投资者提供了新的风险管理工具.我国沪深300股指期货推出至今,其对股票市场的影响,及其是否真的发挥降低证券市场波动性的作用等问题成为学术界研究的热点之一.以沪深300股指为研究对象,从正反馈交易行为是否减少的角度出发,使用非对称GARCH(1,1)模型,对比研究沪深300股指推出前后我国股票市场波动性的变化情况.研究结果发现沪深300股指尚不能很好发挥抑制市场波动的作用,仍需对股市进行长期持续的观察、验证,全方位发展我国的资本市场,提供多元化的投资工具,促进资本市场的发育成熟.     

向量自回归(VAR)模型中的识别问题——分析框架和文献综述

向量自回归模型(VAR)是时间序列计量经济学的标准分析工具。在VAR模型中施加长期或短期限制,使非限制的约化VAR模型成为协整(VECM)或结构协整向量自回归模型(SVECM)时,存在长期和短期结构识别问题。识别问题在以VAR为模型框架的实证分析中起到关键作用,因此是结构VAR模型研究中的一个重点。本文阐述VECM和SVECM模型中结构识别问题的理论框架,对有关文献进行综述,解释结构VAR模型在实证分析中的应用方法,简述这一领域的最新进展和研究方向。     

基于双AR(p)模型的股价分析及其实证研究

在双AR(p)模型的基础上,选取了具有代表性的沪深300指数,并对其部分股市收盘价序列进行了平稳化处理,研究了近期中国股市的股价波动.在双.AR(p)模型严平稳条件下进行了模型诊断,最后通过动态预测得出双AR(p)模型可用于股价预测的结论.     

基于LSTM神经网络的沪深300指数预测模型研究

将LSTM用于沪深300指数的股价预测中,并在通用变量开盘价、收盘价、最高价、最低价的基础上新加入了日成交量与日成交额,以此来预测第二日的最高价,获得了比较好的预测效果,并与SVR模型和Adaboost模型预测作对比,LSTM获得的测试集RMSE要更低.接着,用SVR、Adaboost和LSTM进行岭回归集成,即,先用训练集对这三种模型进行训练,然后用训练数据进行测试,将它们的测试结果作为自变量,以相应的真实第二日最高价作因变量,进行岭回归,再对测试集数据做出预测,得到测试集的RMSE进一步降低;再者,查看回归方程发现SVR系数为负,与因变量呈负相关关系,进一步选取Adaboost和LSTM两种模型在训练集上的预测结果做自变量,相应的真实第二日最高价作因变量,再次进行岭回归,得到测试集的RMSE再次降低,进一步验证了回归集成算法的有效性,可以为广大投资者做买卖决策时提供重要的参考价值.     

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Copula-SV-t模型的沪深300期现相关性分析

结合SV-t模型和Copula模型,建立两变量金融时间序列的Copula-SV-t模型,并以刚刚上市交易的我国沪深300期货市场和其现货指数为例利用建立的模型进行相关程度和相关模式的分析,根据采用不同的Archimedean Copula函数,通过平方欧式距离评价Copula函数的拟合度.结果表明,股指期现市场之间存在条件正相关关系,且存在非对称的尾部相关关系,上尾部的相关性要强于下尾部的相关性,即期货市场的助涨效应要强于助跌效应.     

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。     

基于GARCH模型的波罗的海干散货运价指数预测

为准确地把握波罗的海干散货运价指数(BDI)的变化趋势,选用一阶对数差分方法,对近期BDI日收益率序列的基本统计量特征进行了分析,验证了BDI日收益率序列的"尖峰厚尾"及波动的集聚性等特征,并进一步运用GARCH(1,1)模型,分析了其波动的持续性和滞后性.在此基础上,基于GARCH模型构造了预测的方法步骤,经优化调整滞后期对BDI日收益率进行了预测,最后,通过将BDI对数日收益率序列还原为指数序列,对BDI进行了预测,实证分析结果验证了模型及方法的适用性和有效性.     

一种改进的基于指数平滑神经网络模型的时间序列预测方法

基于指数平滑模型与误差反传神经网络法提出了一个改进的时间序列预测方法.将神经网络模型移植入指数加权滑动平均模型中,充分考虑了时间序列的部分线性性和非线性性对预测结果的影响,是传统的混合模型的一个更合理的改进.最后通过对上证指数时间序列的实证分析,以预测均方误差为检验标准,对五种常用的时间序列预测模型进行了预测精度的比较,而且经验证所提出的改进的时间序列预测模型相对来说具有更小的预测均方误差.     

基于VARM和VECM的Brent油价定量分析与预测

分阶段定量研究国际石油价格并作出预测,为我国应对油价波动以确保石油安全及采购提供借鉴性指导.借助Eviews计量经济学软件,选取Brent油价为被解释变量,道琼斯商品指数,美国商业原油库存,美元指数,基金总未平仓合约和突发风险事件为解释变量,将研究范围按油价走势特点分6个阶段,运用协整理论建立协整关系,得出各阶段各变量对Brent油价的贡献比例;建立VARM和VECM,对2017年Brent油价进行预测.结果表明,供需基本面起主导作用,特别是2008年金融危机以后供需基本面影响占比为50-60%,定量分析与实际国际石油市场及油价走势特点相匹配;VARM和VECM对2017年Brent油价预测均值分别为65.63和59.37美元/桶,VECM更接近路透社的58.01美元/桶.2017年,石油市场或由供需过剩转为缺口,推动油价水平整体上升,预计全年Brent,油价均价为52-60美元/桶,VARM和VECM预测趋势与其基本一致.综合来看,VECM预测效果更优,解释性更强.     

基于ARIMA模型的我国大宗农产品价格指数预测

以2006年6月至2015年12月我国大宗农产品价格指数月度时间序列作为研究对象.构建ARIMA(1,1,1)模型对我国大宗农产品价格指数进行了拟合和预测,并对模型拟合效果和预测准确度进行了检验,效果均良好.预测结果表明,从长期变化趋势看,我国大宗农产品价格指数上涨是大势所趋.从短期变化趋势看,大宗农产品面对较大的价格下行压力.     

沪深300股指期货价格发现能力研究

利用沪深300指数及其期货当月主力合约的5分钟高频数据,本文采用Granger因果检验、向量自回归模型、Johansen协整检验及向量误差修正模型,系统分析不同价格趋势下沪深300股指期货的价格发现能力。研究表明:第一,在上涨趋势中期货收益率单方面引起现货收益率变化,现货收益率不是引导期货收益变化的原因;但是,在下跌趋势中现货收益率与期货收益率具有相互引导的Granger因果关系。第二,无论在上涨阶段还是下跌阶段,期货市场都在价格发现能力方面处于主导地位。第三,期货价格与现货价格存在长期均衡关系,当二者短期内偏离均衡时,期货价格引导现货价格向均衡方向调整。     

基于日内高、低价协整关系的统计套利研究

当前,统计套利设计多限制在配对交易上,策略实现过程依赖于配对产品的选择。本文将统计套利思想与金融产品日内高、低价之间的协整关系相结合,探索设计同一产品上的统计套利交易策略。本文使用指数加权估计(EWE)来刻画时变性,并结合向量误差修正模型(VECM)设计了一套交易策略。应用于日内黄金期货合约套利的实证分析结果表明:在适当的阈值下,该交易策略能够实现超过25%的年化收益率,对极端市场行为也有较快的时变反应。     

沪深300仿真股指期货价格不对称跳跃波动的实证分析

本研究利用2006年10月30日至2009年3月13日期间的仿真的沪深300指数期货每日结算价,探讨了期货价格的不对称跳跃波动行为。在实证研究方法上,本文以Chan和Maheu的GARCH(1,1)-ARJI模型为基础并进行了扩展,以EGARCH(1,1)-CJI和EGARCH(1,1)-ARJI两种模型来刻画股指期货价格的不对称和跳跃波动行为。实证结果显示:(1)沪深300仿真股指期货价格存在不对称跳跃波动,而且跳跃强度不为一固定常数,异常信息所产生的跳跃强度是随着时间变动的。(2)经过似然比检验,结果显示EGARCH(1,1)-ARJI模型比EGARCH(1,1)-CJI模型具有更好的拟合能力。     

股票价格指数、消费指数与CHIBOR的关联性研究

本文研究表明,CHIBOR 7日拆放利率分别与股票价格指数、消费物价指数呈协整关系和显著正相关关系,且股票价格指数、消费物价指数为CHIBOR的Granger成因,从而反映了股市的财富效应增加了银行间资金的需求成本的上升。同时CHIBOR与消费物价指数呈互为因果关系,且消费物价指数对CHIBOR的脉冲响应时间较长,从而增加了货币市场管理难度.     

零售物价总指数的相关因素分析及预测的数学建模

本文对我国测量通货膨胀的主要指标全国零售物价总指数进行了相关因素分析，并在此基础上建立了零售物价总指数预测的数学模型．     

FDI与中国对外贸易的向量误差修正模型

本文以中国的经济数据对外国直接投资(FDI)与对外贸易的联系做了实证检验,根据协整理论建立向量误差修正模型对此问题予以分析,得出结论是在长期和短期内进入中国的外国直接投资与中国的出口都是互补联系,同时在短期外国直接投资与中国的进口也是互补,而在长期外国直接投资与中国的进口却是替代联系。     

基于干预分析的黄金日交易价格时序模型

黄金既关乎国家的战略利益,又关乎老百姓的切身利益,研究黄金价格的变化规律具有重要意义.观察2012年10月1日到2013年8月6日黄金的日交易开盘价发现,在4月中旬和6月下旬黄金价格突然大跌,这期间两次外部事件的发生可以为金价下跌作解释.将两次外部事件作为干预变量,对这段时间的黄金日交易价格建立干预时序模型.经分析这两次干预影响不能只用常规的四种基本类型来描述,它们还具有二次函数的形式.引入具有二次函数形式的干预影响,以提高估计和预测的精度.通过对比发现,干预时序模型不仅在拟合过去而且在预测未来黄金价格方面,都比经典的ARIMA模型精确.