Causal analysis of futures sugar prices in Zhengzhou

In this paper, we are interested in investigating the causal relationships among futures sugar prices in the Zhengzhou futures exchange market (ZF), the spot sugar prices in Zhengzhou (ZS) and the futures sugar prices in New York futures exchange market (NF). A useful tool called Bayesian network is introduced to analyze the problem. Since there are only three variables in our Bayesian network, the algorithm is straightforward: we display all the 25 possible network structures and adopt certain scoring metrics to evaluate them. We applied five different scoring metrics in total. Firstly, for each metric, we obtained 24 scores, each calculated from one of the 24 possible structures i.e. a Directed Acyclic Graph (DAG). Then we eliminated the network structure which represents the independence of the three variables according to our prior knowledge concerning the futures sugar market. After that, the optimal network structure which implies the causal relationships was selected according to the corresponding scoring metric. Finally, after comparing the results from different scoring metrics, we obtained the relatively affirmative conclusion that ZS causes ZF from both the Bayesian Dirichlet (BD) metric, Bayesian Dirichlet-Akaike Information Criterion (BD-AIC) metric, Bayesian Dirichlet-Bayesian Information Criterion (BD-BIC) metric and Bayesian Information Criterion (BIC) metric. The conclusions that NF causes ZF and ZF causes ZS from the Akaike Information Criterion (AIC) metric and ZF causes ZS from the BIC metric were useful and significant to our investigation.     

基于高频数据的中国国债期货价格发现能力研究

期货的价格发现能力是近几年国际学术界关注的热点问题,但目前理论界相关研究主要集中于商品期货和股指期货,尚缺乏专门针对中国国债期货价格发现方面的研究。随着中国5年期国债期货于2013年9月上市交易,深入研究中国市场结构下的国债期货价格发现能力有助于从微观视角掌握与其它期货品种内在运行规律的差异性。本文运用中国5年期国债期货上市交易后的5分钟高频数据,采取向量误差修正(VECM)模型和Granger因果关系检验等计量分析方法检验中国国债期货与现货价格之间的关系,并创新性地使用共同因子贡献法和信息份额法分析我国国债期货市场与现货市场对价格发现功能的贡献程度。结果表明,中国国债期货价格与现货价格之间存在长期协整关系。中国国债期货价格是现货价格的Granger成因,且两者之间存在单向的价格引导关系。同时通过实证得出中国国债期货市场在对价格发现的贡献程度上占主导地位的结论。     

基于债券久期的国债期货套期保值模型分析

使用久期的方法在中国国债期货市场上进行套期保值是否有效?使用久期的方法研究国债期货套期保值的效率问题在国外已经很多,然而这种方法是否适合于目前中国的国债市场,相关研究还不多见,还有待进一步的证实.为此借鉴国外相关理论,采用比较研究的方法,以国债期货上市后2013年9月到2014年5月初,国债现货和国债期货的数据为样本,以基于久期的最优套期保值比率模型为主,其他模型为辅,比较出最优套期保值效率.研究结果表明,基于久期的套期保值方法在目前中国的国债市场效果一般.     

基于R-藤结构的pair-copula模型在交叉保证金设置上的应用研究

在实行交叉保证金制度的基础上,提出了R-藤结构下的pair-copula方法来解决多期货品种组合的保证金设置问题.R-藤结构变化灵活,为解决高维度联合分布的估计提供了一种新思路.实证结果表明,R-藤结构下的高维pa江copula模型能够满足实际风险覆盖要求,同时通过品种组合之间盈亏部分的对冲来降低客户结算账户的保证金需求,这将有助于提高市场交易的活跃性.     

基于Copula-TGARCH模型的股指期货最佳套期保值比研究

本文基于一种新的Copula-TGARCH模型估计股指期货的最佳套期保值比,根据现货和期货收益率序列不同的尾部相依性,用不同的Copula函数形式(Gumbel,Clayton,Gaussian)拟合两者的相关性,并与其它的动态套期保值模型(ECM-CCC-GARCH和ECM-DVEC-GARCH)比较其套期保值的有效性。通过对香港恒生指数现货和期货的实证分析发现:无论样本期内、外,Copula-TGARCH模型的套期保值效果均优于其它模型,而基于非对称Gumbel Copula的套期保值比最佳。     

基于二次优化BP神经网络的期货价格预测

针对BP算法存在的不足,结合神经网络、遗传算法和主成分分析的优点,提出基于二次优化BP神经网络的期货价格预测算法.初次优化采用主成分分析法对网络结构进行优化,第二次优化采用自适应遗传算法对网络参数进行优化,将经过二次优化后建立的BP神经网络模型用于期货价格预测.经仿真检验,用新方法建立的模型对期货价格进行预测,在预测的精度和速度方面都优于单纯BP神经网络模型.     

基于神经网络的期货市场预测及模型实现

通过对期货市场的研究,尝试用人工神经网络预测期货行情走势.介绍了如何将期货市场与改进的BP网络有机结合起来构造适合期价预测的模型,并应用Matlab工具,设计一个具有较强通用性的人工神经网络模型,在降低重复开发的同时,为更多潜在的用户提供一个适合各自需求的人工神经网络.通过实例证实运用神经网络进行期货价格预测相对于传统的经济预测方法具有更好的精确性.     

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.     

银行埋兵股指期货

中国商业银行自己新的钱袋子马上来了，全新的一场财富争夺战虽未开幕，但实际上已经打响。     

风险跨市场传染的综合测度、网络分析与趋势演化——基于商品期货的实证分析

在关联金融市场价格波动的相互溢出影响下，由风险传染而形成的多市场波动趋同现象正呈现多爆发、强影响、广扩散与久持续等系列特征，为了结合上述特征合理测度并有效应对这类风险跨市场传染现象，文章以我国商品期货为具体实证对象，分别从综合测度、网络分析与趋势演化三个角度对风险跨市场传染现象进行了系统研究。具体研究中，先立足Diebold-Yilmaz公式构建了风险跨市场传染测度指数，并结合网络分析、派系类分及趋势演化等方法，提出了风险跨市场传染现象的综合测度模型。在此基础上，以我国具有代表性的九个商品期货为对象，进行了新模型、新方法和新过程下的系列实证，并得出结论：商品期货风险跨市场传染现象具备网络性与时变性，并呈现市场差异性和影响不对称性；商品期货风险跨市场传染现象派系类分具备总体一致性与个体交叉性；商品期货风险跨市场传染主要通过点传染及派系传染进行。