基于VaR的SPAN系统在我国股指期货保证金中的应用研究

基于我国股指期货的真实数据,灵活运用参数VaR模型,蒙特卡罗方法和Copula技术,给出了SPAN系统应用在中国股指期货保证金上的详细步骤以及具有中国特色的参数设置方法,解决了股指期货推出初期SPAN系统中有关参数设置问题这一技术障碍.实证结果显示,我国股指期货合约所需保证金均低于当前国内股指期货保证金水平,应该改进保证金模式、降低保证金水平.     

基于新闻文本挖掘的股指期货高频预测研究

近两年来,Google团队提出的BERT模型被越来越多地应用于文本分类任务中.在BERT模型的基础上,文章提出了一个基于新闻文本挖掘的股指期货高频预测模型,进而设计了相应的高频交易策略.文章基于股指期货的高频价格波动为每条新闻赋予涨跌平标签,利用所提出模型对新闻进行分类,从而预测三大股指期货价格的涨跌平方向,并完成股指期货模拟高频交易.基于5年半以来的三大股指期货的高频数据及证券新闻文本的实证研究显示,文章提出的预测模型和交易策略取得了较高的准确率和收益率,且在中证500股指期货上表现最好.     

数字

4％油价暴跌6月21日,纽商所轻质低硫原油期货合约结算价跌3．25美元,至每桶78．20美元,跌幅4％,失守每桶80美元的重要心理价位。眼下美国和全球其他市场石油库存充足,但需求低迷。此外,此前美国联邦储备委员会未宣布新一轮定量宽松政策,令市场感到失望,这也令油价承压。     

基于Copula-ECM-GARCH模型的农产品期货套期保值绩效研究

Copula函数具有可以准确刻画变量间的相依结构、精准描述金融时间序列"尖峰厚尾"分布特点的良好统计性质.针对传统计量模型在计算套期保值比率时存在的局限性,利用Copula函数描述变量的尾部相关性,并结合ECM-GARCH模型,对大豆、小麦、玉米三种国内农产品期货进行套期保值研究,分别计算最优的套期保值比率及其绩效,并...     

基于主成分——BP神经网络的期货市场预测

结合主成分分析法和神经网络的优点,提出了基于主成分分析的神经网络方法来对期货市场进行预测.引入主成分分析法对原始输入变量进行预处理,选择输入变量的主成分作为网络输入,一方面减少了输入维度,消除了各输入变量的相关性;另一方面提高了网络的收敛性和稳定性,也简化了网络的结构.通过实例验证,基于主成分的神经网络比一般神经网络训练精度更高.     

流动性视角下股指期货与股市已实现协方差预测:基于窗口平均支持向量回归方法

研究了流动性对我国股指期货与股票市场已实现协方差的影响,从一个新的角度揭示流动性对两个市场相关性的影响机制.基于沪深300指数和股指期货市场的高频数据计算已实现协方差,并提出基于支持向量回归(SVR)的窗口平均预测(AveW)方法研究已实现协方差的预测.实证研究发现,股市流动性对已实现协方差有显著的负向影响,基于SVR...     

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。     

国债期货来了

在股指期货正式推出两年后,2012年4月,同债期货仿真合约开始试运行。     

两因素HJM模型下奇异债券期货期权的定价

在HJM模型下考虑远期利率由两个独立的布朗运动驱动,利用鞅方法得到了三种奇异的债券期货期权—上限型期货期权,抵付型期货期权与后定选择期货期权的定价公式。     

关联规则及其在石油期货价格预测中的应用研究

针对Apriori算法及其变种的不足,提出了一种基于支持度计数矩阵和事务数据库布尔矩阵的新算法,利用此算法挖掘石油期货价格历史数据中的频繁项集,根据给定的最小支持度和最小置信度从挖掘结果产生关联规则,对关联规则在石油期货价格预测中的应用进行了探索,并提出了进一步的研究方向.