国内外股市波动溢出效应——基于多元GARCH模型的实证研究

通过对多个股票市场间波动溢出效应的研究,可以了解波动风险在市场间的传导路径和方向,以及在股市因外部冲击动荡前做出短期预测。本文以美国、日本、香港和我国沪市作为研究对象,采用多元GARCH模型对国内外股市波动溢出关系进行了研究。结果表明:只有香港股市对沪市具有显著的波动溢出,美、日股市对沪市的波动溢出则不显著,但由于美、日股市波动均对香港股市具有传染效应,它们可以借助对香港股市波动的影响间接地引起我国沪市的波动。所以,对我国沪市外部波动风险的把握在短期上应主要关注香港股市波动,其次还必须关注日本和美国股市的波动,尤其是美国股市的波动。     

不同矩属性波动模型对中国股市波动率的预测精度分析

金融时间序列的波动性建模经历了从一阶矩到二阶矩直到高阶矩(包含三阶矩和四阶矩)的过程,而对于高阶矩波动模型是否有助于对未来市场的波动率预测这一问题,国内外学术界尚无文献讨论。以上证综指长达7年的每5分钟高频数据样本为例,通过构建具有不同矩属性的波动模型,计算了中国股票市场波动率的预测值,并利用具有bootstrap特性的SPA检验法,实证检验了不同矩属性波动模型的波动率预测精度差异。实证结果显示:就中国股市而言,四阶矩波动模型能够取得比二阶矩波动模型更优的波动率预测精度,而三阶矩波动模型并未表现出比二阶矩波动模型更强的预测能力;在高阶矩波动模型中包含杠杆效应项并不能提高模型的预测精度。最后提出了在金融风险管理、衍生产品定价等领域引入四阶矩波动模型的研究思路。     

利用非参数方法对上海股市周末效应的研究

本文首先利用基本统计分析和Kolmogorov -Smirnov检验发现沪市指数收益率不服从正态分布 ,随后利用了K -W检验考察周末效应的存在性 ,利用M -W检验考察周末效应的模式 ,最后利用了Levene检验来对收益率序列的方差进行分析 ,得出上海股市存在“二、五”效应的结论。并从结算制度、信息流的影响、信息披露制度等方面分析了成因。     

中国股市与汇市的波动溢出效应模型研究与实证分析

选取2009年1月5日-2012年5月22的人民币兑美元汇率和上证综指的日交易数据为对象,采用BEKK—GARCH模型,并结合LR似然比检验,对中国汇市与股市的波动溢出效应进行建模研究与实证分析．实证结果表明,整体样本存在汇率到上证指数的波动溢出,这种溢出是单向的;第二次汇改前,既不存在汇率到上证指数的波动溢出,也不存在上证指数到汇率的波动溢出;第二次汇改后,既存在汇率到上证指数的波动溢出,也存在上证指数到汇率的微弱的波动溢出．     

上海股票市场和国际主要股票市场之间波动溢出效应的实证研究

使用BEKK—二元GARCH(1,1)模型,对于我国股票市场和国际主要股票市场之间的波动溢出效应进行了实证研究.分析结果表明,上证综指和标准普尔500指数、日经225指数之间存在单向波动溢出效应,而上证综指和香港恒生指数之间存在双向波动溢出效应,上证综指和新加坡海峡时报指数之间不存在波动溢出效应.     

基于Fourier分析的中国股市波动周期研究

通过对沪深两市波动周期的实证分析 ,揭示了中国股市的周期性波动特征 ,并对两市波动的周期性进行了对比 ,为进一步研究我国资本市场的波动提供了依据 .     

交易者行为倾向与股市波动形态

分析一个具有基础价值均衡、非基础价值均衡、周期和混沌等四种市场波动形态的随机多主体股市模型,利用理论分析和数值实验的方法研究交易者模仿学习、价格追踪和策略转移三种行为倾向对股市场波动形态的影响,得出结论:当三类行为倾向都很小时,股市处于基础价值均衡形态;随着价格追踪和模仿学习倾向逐渐增大,股市进入周期形态;当模仿学习倾向足够大时,系统处于非基础价值均衡形态;混沌形态出现在周期和非基础价值均衡形态中间很窄的参数范围.     

上海股市波动的预测方式和模型

探讨基于 SV类模型的上海股市波动的预测方式和模型问题 .比较了 SV( stochastic volatility)类模型 (包括基本 SV模型和 ASV模型 )在两种不同方式下的预测效果 ,并将基本 SV类模型的预测效果与 ASV模型 ,以及其他常用模型做了比较 .结果表明 :SV类模型在两种预测方式下的预测效果存在一定的差异 ;基本 SV模型对于上海股市具有较强的预测能力 ;ASV模型的预测效果不理想 .     

随机波动率模型下的单位根检验及对我国股市的实证研究

判断股市收益率波动的持续性问题通常归结为检验波动过程中是否存在着单位根。针对传统的单位根检验方法功效偏低,且检验的真实显著性水平容易失真的问题,本文采用随机波动率模型并利用改进的PP检验、KPSS检验,以及SIMEX检验方法对中国上证综合指数进行了实证研究.三种检验方法的结果都表明,股权分置改革后的上证综指收益率波动过程有单位根,波动呈现出很强的持续性.     

中国股市风险特征分析

本文采用 GARCH类非线性时间序列模型对沪、深股票的动态风险特征进行数量分析 ,并利用因子模型探计中国股市风险的共同特征。     

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 .     

股票收益率波动性的非参数核回归估计及对中国股市的实证分析

非参数回归估计是研究非线性时间序列的一种有用工具．在混合相依样本的条件下，基于非参数核回归估计方法来研究收益率的波动性，利用改良的交叉核实函数选取光滑参数，并给出上海和深圳股市实证分析的一些有趣结果．     

GARCH模型在股票市场风险计量中的应用

本文以上证综指的日收益率为研究对象,运用GARCH模型簇分析上海股市日收益率波动的条件异方差性,计算每天的V aR值.实证研究表明,GARCH模型的V aR计算方法对我国股市风险的管理有较好的效果.     

上海股市信息散布过程实证分析

本文基于日内高频数据实证分析了上海A股、B股市场的收益率和交易量之间的同时和动态关系,实证结果表明在上海股市信息渐达假说较之混合分布假说更有一定的适用性,而且A股市场的信息不对称程度要大于B股市场,并进而带来了低效率。     

中国股票市场的日历效应分析

本文以上证指数和深证指数为代表 ,对中国股票市场的日历效应进行实证分析 .主要从以下三个方面加以讨论 :收益率和交易量的均值及方差的日历特征 ;收益率日历特征的相关分析 ;收益率周内各日的转移概率特性     

A mathematical analysis of the Gumbel test for jumps in stochastic volatility models

This article gives an exhaustive mathematical analysis of the Gumbel test for additive jump components based on extreme value theory. The Gumbel test was first introduced by Lee and Mykland in 2008 from an economical point of view. They consider a continuous-time stochastic volatility model with a general continuous volatility process and observe it under a high-frequency sampling scheme. The test statistics based on the maximum of increments converges to the Gumbel distribution under the null hypothesis of no additive jump component and to infinity otherwise. Our article presents a moment method based technique that provides some deeper mathematical insights into the convergence and divergence case of the test statistics. In the non-jump case we are able to prove the convergence to the Gumbel distribution under greatly weak assumptions: The volatility process has to be merely pathwise Hölder continuous with an arbitrary random Hölder exponent and we have no restrictions concerning an additional drift term. Therefore, for example, we are allowing for long and short-range dependence. In the case of existing additive jumps, we give divergence results in a general semimartingale setting and investigate the speed of divergence depending on the jump activity. As a by-product of our analysis we also deduce an optimal pathwise estimator for the spot volatility process. Moreover, we provide a detailed simulation study that compares the power of the Gumbel test with the power of the jump test proposed by Barndorff–Nielsen and Shephard in 2006 for Hölder exponents close to zero. Finally, both tests are applied to a real dataset.     

Stochastic volatility model and technical analysis of stock price

In the stock market, some popular technical analysis indicators (e.g. Bollinger Bands, RSI, ROC, ...) are widely used by traders. They use the daily (hourly, weekly, ...) stock prices as samples of certain statistics and use the observed relative frequency to show the validity of those well-known indicators. However, those samples are not independent, so the classical sample survey theory does not apply. In earlier research, we discussed the law of large numbers related to those observations when one assumes Black-Scholes’ stock price model. In this paper, we extend the above results to the more popular stochastic volatility model.