特质波动率与股票收益——基于Fama-French五因子模型的研究

股票收益与风险之间的关系一直以来都是金融学理论研究的核心问题.近年来,针对股票收益与特质风险之间的关系的研究受到了越来越多的学者的关注.在有效市场的理论下,通过构建多样化投资组合,投资者可以分散公司的特质风险,使组合收益更多的与市场风险相关.然而由于投资者之间信息不对称、市场政策差异化、资金成本不均衡等因素的影响,往往无法构建其目标组合,于是无法分散的特质风险就会在一定程度上影响股票收益.该文章以沪深A股自2000年1月4日至2015年12月31日共计3871个交易日的日收益率数据作为研究样本,通过滚动窗口分析的方法,以最新的五因子模型为切入点,研究发现了在中国股票市场中特质波动率与股票收益之间的负相关关系,并通过构建高特质风险与低特质风险股票组合进一步发现特质波动率与收益之间的负相关关系在经济意义上显著.     

基于股票评论的投资者情绪对持有股票收益影响的研究

投资者行为易受互联网舆论的影响,进而造成股票收益的波动.分析投资者情绪对股票收益的影响方式有利于投资者规避投资风险,促进我国股票市场稳定发展.基于东方财富股吧2020年7月至2021年2月上证股票的评论数据,利用加权朴素贝叶斯分类模型构建了投资者情绪因子,并对情绪因子的构建方式进行了改进.随后将情绪因子引入中国版Fama-French三因子模型,针对单只股票和持股期为1个月的投资组合,基于线性回归、长短期记忆神经网络模型,从线性、非线性两个角度研究了投资者情绪对其持有股票收益率的影响.结果表明,投资者情绪对股票收益率具有非线性的正向影响.前一日的投资者情绪会对当日股票收益产生影响,投资者在研究期望收益率时需予以考虑.     

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。     

基于剩余收益模型:银行股票定价的实证分析

利用会计信息对股票价值进行评估的研究是理论界一个长期关注和重视的热点,运用剩余收益模型结合杜邦财务分析体系,对上海浦东发展银行在2005年以及2006年前三个季度的股票价值进行了估计,通过与实际市场价值的比较,发现估计的股票价值与实际市场价值存在差异,但差异不大,并分析了可能产生差异的原因,最终得出该模型对股票的价值具有一定的解释和预测能力.     

金融高频高维数据的波动率矩阵估计:基于GARCH-It?分组因子模型

在高频金融数据分析中,高维波动率矩阵的估计和预测十分具有挑战性,当金融资产存在自然的分组结构时,此问题尤为突出.为此,本文提出一种新的GARCH-It?分组因子模型,将对数价格序列表示为共同因子、分组因子以及异质项,并通过将离散的广义自回归条件异方差(generalized autoregressive conditional heteroskedasticity, GARCH)结构嵌入特征值过程的波动率中,实现刻画数据波动率动态的目的.本文利用伪极大似然法得到模型的参数估计,建立极限理论,模拟研究表明其良好的有限样本性质.在实证研究中,利用上海证券交易所主板及深圳证券交易所创业板的股票高频价格数据,对比了不分组的模型及波动率矩阵的非参数多尺度已实现波动率(multi-scale realized volatility,MSRV)估计,对比结果显示本文模型具有更好的波动率预测效果.     

基于带隐含波动率的混频条件自回归极差模型的股市波动率预测研究

极值理论表明价格极差是波动率的一个有效的估计量。同时,众多研究表明,基于期权价格的隐含波动率包含了市场前瞻性的信息。本文在经典的基于极差的条件自回归极差(CARR)模型基础上,充分考虑价格极差的长期动态性以及期权隐含波动率包含的信息,构建了带隐含波动率的混频CARR (CARR-MIDAS-IV)模型对极差波动率进行建模和预测。CARR-MIDAS-IV模型通过引入MIDAS结构能够捕获条件极差的长期趋势过程(长期记忆特征)。而且,CARRMIDAS-IV模型同时考虑了极值信息以及隐含波动率包含的关于未来波动率的信息(前瞻信息)对波动率建模和预测。采用恒生指数和标普500指数及其隐含波动率数据进行的实证研究表明,充分考虑条件极差的长记忆性(MIDAS结构)以及隐含波动率包含的信息对于极差波动率建模和预测具有重要作用。总体而言,本文构建的CARR-MIDAS-IV模型相比其他许多竞争模型具有更为优越的数据拟合效果以及波动率预测能力。特别地,CARR-MIDAS-IV模型对于中、高波动期波动率的预测具有较强的稳健性。     

基于实际波动率的组合选择实证研究

本文对证券组合三因素的7种预测方法进行了实证研究和敏感性检验,得出结论:若以周作为组合持有期,则不论何种收益预测方法,基于实际波率的ARFIMA方法在组合持有期上均取得了正的超额收益;基于实际波动率的ARFIMA法在组合选择的各种方法中是最优的.     

基于改进ICA模型的高维波动率估计

本文对IC-GARCH模型进行改进,放宽了ICA关于独立成分是IID的假设,考虑独立成分为ARMA模型的平稳过程,提出了基于自相关结构的IC-GARCH估计方法,并给出了估计量的理论性质和计算效率较高的迭代估计算法。最后,对改进方法进行了模拟和实证分析,结果表明本文提出的模型能够使多元GARCH模型应用于高维金融数据,并大大提高了金融资产收益波动率的估计精度。     

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.     

Heston随机波动率模型下的动态投资组合

应用随机最优控制方法对Heston随机波动率模型下的动态投资组合问题进行了研究,得到了幂效用和指数效用下最优投资策略的显示解,并给出一些数值计算结果分析了市场参数对最优投资策略的影响.     

基于Expectile和Realized GARCH模型的波动率预测

Realized GARCH模型是预测波动率的经典模型之一,最小化非对称二次损失函数的Expectile对收益率尾部分布更加敏感,我们在Realized GARCH模型的基础上引入Expectile提出Expectile-Realized GARCH模型。以沪深300指数的高频收益率为例建模分析,对比不同模型下的波动率预测效果,发现Expectile-Realized GARCH模型较Realized GARCH模型对波动率预测能力更好。其中,当风险水平为95%时,对应的Expectile-Realized GARCH波动率预测能力最好。     

基于线性样条的门限随机波动率模型及其实证研究

为了刻画金融领域中资产收益的条件均值和波动率的双重非对称性特征,本文基于线性样条的方法提出一种新的门限随机波动率模型(LPTSV),它可以根据到达市场消息的大小和方向来同时描述这两种非对称性情况,可以很好地对资产收益及其波动率进行建模。利用R2WinBUGS软件包对LPTSV模型进行了贝叶斯参数估计。模拟实验说明贝叶斯分析在LPTSV模型的参数估计方面是有效的。最后利用LPTSV模型为上证综合指数和深证成份指数日收益率数据进行了实证分析。描述性统计分析和参数估计的结果均表明:利用LPTSV模型对以上两组数据进行建模是合理的。本文为资产收益和波动率之间的实证关系研究提供了一定的启示。     

动态因子模型在房价波动因素分解中的应用——基于中国26个城市房价波动的分析

利用动态多因子模型,对26个大中城市1999年1月-2010年5月的房地产价格波动进行因素分解,分别提取了表示区域特征的区域因子和城市特征的城市因子,从区域因子的特征看各区域房价波动受政府调控和宏观经济形势影响较大.因素分解结果表明:各区域因子对区域内各城市房价波动的影响贡献度较大,而且在经济发达地区这个特征更明显.对区域因子互动关系的研究表明:我国大中城市房价波动存在从东部沿海发达地区分别向东北,中部,西部蔓延的"波纹效应".本文的结论有助于加强不同区域房地产市场调控和监管的针对性.     

基于GARCH模型的人民币汇率波动规律研究

自人民币汇率体制改革以来,汇率波动日趋复杂.鉴于GARCH模型能够较好地拟合汇率时间序列的尖峰厚尾特征,本文采集了2003～2007年之间的1069个美元兑人民币汇率日值,应用GARCH模型进行分析,证实了我国外汇市场确实存在ARCH效应,且GARCH模型能够较好地拟合汇改后的人民币汇率数据.     

基于MCMC的SV模型分钟高频股指波动率研究

利用沪深300股指2018年11月5日-2018年11月12日1分钟数据,基于马尔可夫蒙特卡罗(MCMC)模拟的贝叶斯方法,采用随机波动模型(SV)对我国股市分钟高频数据波动性进行了实证研究,并利用DIC准则进行模型拟合比较.结果表明,沪深300股指收益率序列具有尖峰,厚尾,聚集性等特征,且随机波动模型对于1分钟高频数据的拟合效果优于5分钟数据,标准随机波动模(SV-N)更适合1分钟高频数据.     

基于模拟退火算法的知情交易研究北大核心CSCD

为了更准确地估计知情交易概率水平(PIN),文章主要使用模拟退火算法并结合交易量时间概念对知情交易模型进行参数估计.算法改进后的知情交易模型已可适用于较高频的交易订单数据,从而更好地捕捉微观市场中PIN的变化.参数估计方面,文章主要使用模拟退火算法对EKOP-PIN、EHO-PIN以及DY-PIN进行带约束的最大似然估计,并将结果与无约束优化的间接估计算法进行了比较,基本解决了以往算法存在的局部最优和数值溢出等问题.数值模拟显示,使用模拟退火算法并运用模式搜索法进行末端优化的混合算法在计算PIN时能够进一步提高估计精度.使用沪深300股指期货高频交易数据的实证结果显示,重新估计的EHO-PIN对波动率有着较高的解释和预测能力,可作为一种有效的市场波动率预警指标.     

我国钢材期货市场波动率的GARCH族模型研究

钢材是仅次于原油的全球第二大大宗商品,因此钢材及其相关产品价格波动的描述对各类参与者的套期保值及规避风险有重要意义。以上海期货交易所钢材期货价格的15分钟高频数据为对象,利用8类GARCH族模型进行了波动率拟合的实证研究,并运用6类损失函数以及Diebold-Mariano检验方法对各类模型的波动率拟合精度进行了比较。结果表明,能够刻画长记忆特征的HYGARCH模型在刻画我国钢材期货市场的波动率上具有相对优于其他模型的精度,但总的来说,各种模型并未表现出显著差异。     

基于随机波动率模型的上证50ETF期权定价研究

传统上,期权定价主要基于Black-Scholes (B-S)模型。但B-S模型不能描述时变波动率以及解释"波动率微笑"现象,导致期权定价存在较大的误差。随机波动率模型克服了B-S模型的这些缺陷,能够合理地刻画波动率动态性和波动率微笑。基于此,本文考虑随机波动率模型下的期权定价问题,并针对我国上证50ETF期权进行实证分析。为了解决定价模型的参数估计问题,采用上证50ETF及其期权价格数据,建立两步法对定价模型的参数进行估计。该估计方法保证了定价模型在客观与风险中性测度下的一致性。采用2016年1月到2017年10月的上证50ETF期权价格数据为研究样本,对随机波动率模型进行了实证检验。结果表明,无论是在样本内还是样本外,随机波动率模型相比传统的常数波动率B-S模型都能够获得明显更为精确和稳定的定价结果,B-S模型的定价误差总体偏大且呈现较高波动,凸显了随机波动率对于期权定价的重要性。另外,随机波动率模型对于短期实值期权的定价相比对于其它期权的定价要更精确。     

随机波动率与跳扩散组合模型的双币种期权定价

在股价和汇率满足随机波动率与跳扩散组合模型下应用半鞅Ito公式、多维随机变量的联合特征函数、Girsanov测度变换以及Fourier反变换等随机分析技巧给出了双币种欧式期权价格的封闭式解,并利用数值实例分析了波动参数对期权价格的影响,结果表明:波动率参数对期权价格有显著的影响作用.     

基于带跳随机波动率模型的双币种重置期权定价研究

研究了外国标的资产价格,汇率及其波动率过程满足仿射跳扩散模型的双币种重置期权定价问题,其中波动率过程与标的资产,汇率相关,且具有共同跳跃风险成分.利用多维Feynman-Kac定理,Fourier逆变换等方法,获得了双币种重置期权价格的表达式.应用数值计算分析了波动率过程主要参数对期权价格的影响.数值结果表明,波动率因素以及跳跃风险参数对期权价格的影响是显著的.