宋亚琼[1]2017年在《基于隔夜信息的中国股市波动率建模与预测研究》文中研究表明股市波动率的建模与预测一直以来是金融经济学研究的重要内容。它对资产组合选择、金融资产及其衍生品定价、以及金融机构的风险管理都具有重要意义。20世纪80年代起,国内外学者提出了基于低频数据的GARCH类和SV类等模型对股市波动率进行估计和预测,很好地刻画了股市波动的集聚性和时变性特点。进入21世纪,基于高频数据的股市波动率的建模与预测成为新的研究趋势。在已实现波动率(RealizedVolatility,RV)的基础上,涌现了能够刻画股市波动长记忆性和异质特点的ARFIMA类和HAR类等经典模型。信息的传播和扩散是股市产生波动的内在原因。由于股市的交易期间持续时间短,导致股市在两个工作日之间的非交易时段内积累了大量信息,这就是所谓的隔夜信息。由于政策传导、经济走势和国际联动等因素,隔夜信息的产生涉及多个方面。因此,研究隔夜信息对中国股市波动预测的影响具有重要意义。以隔夜信息为新的切入点研究股市波动率的建模与预测是本文的核心内容,并具有十分重要的意义。在学术方面,拓展了对隔夜信息的界定和分类,并结合隔夜信息对股市波动率的影响这一特点对其进行建模和预测研究,丰富了金融波动率建模的理论空间。在理论方面,为政策制定者、信息披露者和股市管理者提供理论依据。本研究致力于使决策管理部门能够在保证调控目标和信息披露的前提下,清楚地认识到这些变动对股市波动造成的冲击,从而形成合理健全的制度体系,有效地降低对股票市场和金融系统带来的风险,维护金融市场稳定。在实践方面,正确认识隔夜信息对股市波动率的影响对于股市投资者做出正确判断有一定指导意义。股市波动并不是一种随机行为,而是受到隔夜信息等因素的影响而变化的。投资者的正确认识一方面可以减少市场的投机行为,另一方面有利于他们充分利用隔夜信息做出合理的投资决策。本文首先回顾了国内外学者在该领域的研究成果,确立了本文的研究方向和理论依据,并为模型建立打下了实证支撑。在此基础上,分别从理论和实证两个方面论证隔夜信息对股市波动率的影响。理论方面,界定了隔夜信息的内涵与分类,并通过信息与波动的相关理论、隔夜信息影响股市波动的微观基础以及隔夜信息影响股市波动的作用机理进行论证。实证方面,对各类隔夜信息、股市波动率及波动的隔夜表现和跳跃行为进行了度量,并通过格兰杰因果关系检验和中介效应分析两条路径来证明隔夜信息对股市波动的影响。最后,围绕本文的的核心,分别提出了叁种基于隔夜信息的股市波动率建模方式,并与传统的波动率模型进行预测能力比较。其中,多因素-变系数模型和HAR-CJI模型是分别借助于隔夜信息影响股市波动的中介效应——隔夜表现和跳跃行为对现有的经典股市波动模型进行改进,将隔夜信息的影响考虑到波动率模型中。复合模型则是利用BP神经网络模型,将经典波动模型的估计结果与隔夜信息综合起来。通过对叁种模型的实证检验发现,隔夜信息能够提升波动率模型的拟合效果和预测性能。相比较而言,前两者模型具有较好的理论解释能力,而后者则具有更好的预测效果。本文的研究结果体现在叁个方面。首先,就隔夜信息对股市波动的影响来说,宏观政策指标类信息、国际市场类信息和上市公司信息披露水平对股市波动表现出不同的影响。具体表现在,基准利率、存款准备金率与采购经理指数等宏观政策指标类信息的变动,国际油价、伦敦金价与纳斯达克指数等国际市场类信息的利空表现,上市公司信息披露程度的提高和两个交易日之间的不连续对日内波动均有增大效应。同时,隔夜信息能够通过影响股市的隔夜表现和股价波动的跳跃行为,对股市日内波动率的预测起着重要作用。一方面,隔夜表现是各类隔夜信息影响股市波动的中介变量,而跳跃行为在部分隔夜信息对日内波动的影响中表现出一定程度的中介效应。其次,从基于隔夜信息的股市波动率模型构建方面来看,本文所提出多因素-变系数模型、HAR-CJI模型和以BP神经网络为基础的复合模型,在拟合效果和预测能力方面,比经典波动模型和神经网络非参数模型表现更好。最后,从新模型的预测能力上看,考虑隔夜信息提高了模型在对股市波动率变动方向和数值大小预测方面的精度,同时提高了非参数模型的稳定性。其中,对预测方向的改进主要表现在对股市波动正向变动的准确性上。基于隔夜信息的经典线性模型和神经网络模型在解释股市波动率的理论意义、预测方式以及预测效果上存在差别。
陈淳[2]2002年在《基于高频数据的中国股市收益波动特征研究》文中进行了进一步梳理波动率是金融理论的核心，其代表的含义即为风险。在金融计量经济学和时间序列分析领域中，已经建立了一类的数量模型来分析金融市场上的波动特征，如着名的ARCH类模型。但随着科技的发展，人们可获得的金融数据的频率越来越高，这样在高频数据下，中国股市波动是否会表现出一些新的特征呢?标准的时间序列模型是否合适呢?目前国内关于这方面的文章还不多见。本文试利用收集到的沪深两市指数的五分钟数据集对中国股市的波动特征进行实证分析，首先运用GARCH(1，1)模型对数据进行拟合，描述了中国股市收益波动的特征：并针对高频收益序列的特点，提出了一个改进的GARCH-M模型，刻画了中国股市中风险与收益的关系。结果发现：1)在高频数据下，中国股市收益序列具有典型的金融数据特征：尖峰厚尾，并且在五分钟频率下表现为峰更尖、尾更厚；2)收益率自相关特征明显，并具有周期性且衰减缓慢，具有明显的日内波动特征；3)沪深两市风险具有典型的时变、簇集特征，风险变化与政策影响因素相关密切：4)沪深两市均存在着信息影响非对称的现象，且都表现为杠杆效应；5)在考虑日内效应和杠杆效应因素下，沪深两市A、B股市场超额收益序列风险与收益的关系均表现为负相关。通过实证分析，我们认为在股市仍存在十分浓厚的投机气氛的情况下，政府应当完善信息披露机制；避免行政政策干预，使证券市场市场化，法制化，规范化，增强股市自身调节功能：加强金融创新，增强风险规避机制；提高投资者素质，完善投资者结构。这样才能使我国股市健康平稳的发展。
任德平[3]2013年在《基于高频数据的沪深300股指期货波动率度量方法及应用》文中认为基于高频数据的金融分析与建模研究目前已成为金融工程研究领域的一大热点。在金融资产价格波动率的刻画上，金融高频波动率有着低频波动率无法比拟的信息优势，能够较为准确地刻画金融市场波动率的相关特征，并对金融市场波动率的变化作出较为精确的预测。沪深300股指期货的成功推出，引起了人们广泛关注，股指期货交易高杠杆性也使得期指市场的波动风险成为广大学者的研究重点。因而，本文选择基于高频数据的沪深300股指期货波动率度量方法研究对沪深300股指期货风险形成机理的揭示有着重要的理论和现实指导意义。本文主要是从高频数据的研究视角，对高频条件下沪深300股指期货的波动率度量方法进行了研究。在此基础上，并从波动率的跳跃行为、量价关系及风险测度等叁方面对期指高频波动率进行了应用研究。一、针对不同形式的高频波动率度量方法的差异性，对沪深300股指期货高频波动率度量方法进行研究。在理论效率对比的基础上，对高频已实现波动率、已实现双幂次变差、已实现极差及其它们的扩展形式从统计特征、跳跃波动刻画和波动率预测叁方面进行实证研究，通过实证研究发现在充分市场套利、非连续交易及询报价影响的前提下，已实现双幂次变差及其扩展形式在刻画沪深300股指期货市场波动特征方面有着显着的优势；已实现极差及其扩展形式在沪深300股指期货波动的预测能力上表现更为突出。二、以已实现波动率做为沪深300股指期货高频波动率的度量方法，根据高频波动率建模理论，并采用沪深300股指期货高频数据对叁种常用的高频波动率线性模型参数进行估计，同时进行预测能力分析。实证研究发现沪深300股指期货波动率存在明显自相关性和持续性，期指市场投资者行为也表现出一定的异质性；在模型预测能力分析方面，研究表明HAR-RV模型对沪深300股指期货波动率有较好的预测能力。叁、利用二次幂变差理论将沪深300股指期货已实现波动率分离成连续路径样本方差和跳跃方差，在HAR-RV-CJ模型的基础上，考虑隔夜收益率波动对已实现波动率的影响，构建了HAR-RV-CJN模型，并对其进行实证研究，研究结果显示我国股指期货市场也存在明显的“跳跃”现象，且这种跳跃性波动部分是由隔夜信息引起的，期指高频波动率的中长期预测很大程度上取决于连续样本路径方差和隔夜收益方差，跳跃性方差对期指市场波动率的预测存在一定程度的影响。四、以已实现波动率作为沪深300股指期货价格变化的测度，结合量价关系理论中的信息理论模型和市场微观结构理论，在HAR-RV模型中引入微观因子交易量V构建了HAR-RV-V基础模型及扩展模型，通过实证分析发现我国股指期货市场上交易量与价格波动表现一定正相关性，平均交易头寸能够很好地解释期指市场的价格波动，它可以作为期指市场量价关系背后的主要驱动因子。最后，采用ARFIMA模型对期指市场已实现波动率进行拟合分析，在此基础上计算不同分布不同置信度下期指市场VaR和CVaR的估计量，并对它们进行实证对比分析，再利用失败率和返回测试对VaR和CVaR进行检验。研究显示VaR并不能很好地对沪深300股指期货的损失做出估计，存在低估风险的情况；高置信度T分布和GED分布下的CVaR估计量可以较好地覆盖大部分期指的实际损失，因而可以较好地用于对沪深300股指期货风险度量和管理研究。
杨世伟[4]2016年在《中国证券市场波动成因、预测及监管研究》文中提出随着近年来金融市场的发展和交易规模的扩大,越来越多的资金投资于证券市场,与此同时证券价格的波动也十分剧烈,使投资者面临较大的风险也给监管者带来新的问题。而自1990年沪深交易所相继成立以来,中国证券市场的发展已历经20多年,截至2015年12月中国A股市值达52.96万亿,约占同期全球股市总市值的10.92%,成为仅次于美国的全球第二大股市,虽然发展十分迅速,但与西方磨练百年的成熟市场相比还存在许多不足。作为国家宏观经济的晴雨表,证券市场的波动会给经济发展和社会稳定带来深刻的影响,因此在证券投资过程中,如不能正确理解、度量市场风险或对风险认识不足,则不仅会降低经济社会活动中的资产配置效率、增大经济运行成本,还会因没有经过科学研究误判市场行情,导致投资者蒙受巨大损失,从而影响社会经济的良性发展甚至诱发恐慌,所以对证券市场波动进行有效的分析、预测和监管显得尤为重要,目前我国也正处于深化金融改革关键阶段,如何合理配置资源、更好控制风险已成为当下的重要课题。本文共分为七章,第一章绪论、第二章文献综述,其他章节的内容如下:第叁章探讨了我国证券市场波动的成因,首先将证券市场波动的影响因素分为上市公司、市场投资者、运作机制、国际资本市场和国内经济政策等不同因素,并随后以行业面板模型为基础,将货币供应量M2作为资金的替代变量,检验了市场基本面和资金面对股票波动的不同影响,结果表明当前我国股市仍处于以资金推动为主导的市场;其次对货币供应量进行了分层处理,分析了M0、M1和M2与证券市场波动的关系,研究显示M0和M2与股市波动具有显着关系;最后从微观层面研究了资金账户和流向变动对市场波动的影响,一方面将投资者分为个人和机构投资者,并根据账户市值分为五类并同时归纳了证券、基金、信托等资金账户变动的情况,检验了资金账户变化与股市波动的关系;另一方面在分析成交量和成交额与股市波动关系的基础上,研究了不同资金的净流入量对股价波动的影响。第四章在考虑跳跃行为的基础上对波动率进行了预测。一方面由于BS公式的推导需市场有效和服从随机分布,期权市场的缺乏等也使得隐含波动率模型的使用受到限制等,另一方面SV和GARCH类等模型多应用于低频和低维数据,由于高频数据包含更多的数据优势而可更好的反映真实波动信息,而已实现波动率构造简单并可结合高频数据扩展到多维变量,因此采用已实现波动率对市场进行分析。本文以2013.1.1-2015.12.31共叁年的5分钟高频数据为基础,通过计算得到已实现波动率对我国市场进行研究,首先检验了市场的长记忆性和异质性,然后对隔夜信息的影响进行了分析;其次将已实现波动率分解为连续和跳跃波动率两部分,并根据公式推导出检验金融资产日间跳跃的方法,同时考虑市场微观结构噪声的影响对检验方法进行了修正;最后分析了HAR-RV-CJ模型应用的前提条件,并使用此模型对我国证券市场波动率进行检验,同时检验了不同时间窗口下波动率的预测效果。第五章根据行为金融学研究了投资者行为对市场波动的影响。与国外较为成熟的资本市场相比,我国目前投资者结构中个人投资者占绝大多数而机构较低、投资者整体素质偏低且违规行为较多、金融衍生等工具的缺乏使得投资风格单一不利于市场稳定,这使得以对投资者行为的研究是非常必要的。因此本章根据行为金融理论通过2000.1-2015.12共16年的数据构造了投资者情绪指标,检验了羊群效应和情绪对收益率波动的影响,并建立了含情绪变量的SENT-EGARCH-M模型研究了正负冲击对市场的非对称效应,最后利用向量自回归VAR模型,研究了投资者情绪与股市波动间的长短期均衡关系,并通过支持向量机模型对预测精度进行了对比,结果表明投资者情绪对市场波动的贡献率在10%左右且加入此指标可更好提高预测精度。第六章根据市场波动率等研究了监管政策的有效性。首先考察了目前我国证券市场监管现状,然后通过叁个方面对监管政策的有效性进行了研究,一是根据方差比率法对次贷危机前后的市场有效性进行了检验,二是根据事件研究法对所选政策出台前后的市场超额收益率进行分析,叁是对政策出台前后市场波动率的变化进行了检验。结果发现虽然市场并没有达到弱式有效,但随着政策的完善市场效率在逐渐提高,另外政策的颁布对市场收益率能够产生显着影响,但由于稳定股市并降低波动也是我国政府监管政策的重要目标,因此监管部门稳定股市的目标可能并没有完全实现。第七章为结论及政策建议。根据文章实证结论可以得到如下启示及建议,一是需完善信息披露机制以保障信息有效性,二是要加强投资者教育和市场风险警示监控机制,叁是应完善波动率指数等的构建以实时监测股市风险,最后应构建证监会、交易所、中介机构、新闻媒体和社会公众等协调一致的多层次监管体系,鼓励中介机构和社会公众等检举揭发内幕交易和市场操纵等行为,并加大对这些行为的惩罚力度以建立有效的证券违规惩戒机制,从而使我国金融市场更为健康稳定的向前发展。
房振明[5]2004年在《基于非对称信息具有时间特性的中国证券市场价格行为研究》文中研究说明信息对金融市场的价格发现和价格均衡具有直接影响和决定性意义,但是金融市场上的信息很难达到完美和完全的状态,因此,对非对称信息的研究又是金融市场微观结构理论的核心内容。本文试图在非对称信息的前提下,从高频的角度考察我国证券市场价格行为特征,并着重考察交易时间因素的影响。全文从五个方面剖析了非对称信息下我国证券市场价格行为特征。1、本文从时域和频域的角度,利用5分钟高频交易数据考察了我国证券市场日内波动的整体特征。从时域的角度,我国证券市场的整体波动性在日内呈现出典型的“U”型变化特征,并得出这种变化是开盘机制和隔夜信息释放造成的。从频域的角度,在理论上通过高通滤波和低通滤波对回报的波动性进行分解,得出了绝对值回报波动性周期特征和长期趋势特征。实证结果表明混合分布假设在仅考虑波动性条件下在上海股市是成立的。2、在考虑时间因素的情况下,利用自回归条件久期(ACD)模型研究中国股市价格波动行为。本文在价格久期的基础上利用WACD和LACD模型检验了我国证券市场价格波动行为与交易时间特性之间的关系。假设检验结果证明投资者应该将价格久期作为一种信息事件来看待,这些久期的信息与当前的资产的买卖报价、证券的交易频率、交易量等方面的信息共同影响着资产未来的交易过程,并从非对称信息的角度对其进行了解释。3、本文按照传统方法和基于时间特性的方法考察了我国证券市场的流动性,分析了影响流动性的各种因素。传统的考察结果表明我国证券市场在流动性方面存在着显着的日内和周内变化特征。文章认为中国市场的微观结构、信息不对称以及逆向选择是造成我国上海股市这种流动性模式的具体原因。本文又从交易时间的角度研究了我国证券市场的流动性特征。采用基于价格久期概念的新的测量证券市场流动性深度的指标变量VNET来研究我国证券市场流动性特征。研究结果表明我国证券市场流动性存在着滞后效应、时间效应和交易效应这叁种效应,并从非对称信息的角度给出了相应的解释。4、在非对称信息的前提下考察我国证券市场的量价关系。在不考虑交易久期情况下,高频条件下的EGARCH(1,1)模型证明我国证券市场实时交易过程中非预期回报和交易量波动性存在显着集群性特征,历史久期期间的回报率和交易量对当前久期的交易回报率和发生的交易量具有强烈的解释能力,交易量与波动性呈现显着的正相关关系。并且,实时交易过程中的高频非预期回报率的波动性不具有显着的非对称性特征。在考虑久期因素的情况下,很多特性依然与无久期
贾俊艳[6]2012年在《基于加权已实现极差的中国股市波动特征研究》文中研究表明随着计算机及通信技术的发展，当获取金融高频数据成为可能后，如何运用高频数据进行建模并估计波动率成为当今研究的热点问题之一。已实现极差波动是针对高频时间序列而提出的一种全新的波动率度量方法，而加权已实现极差可以有效的去除波动的“日内效应”，是比已实现极差更有效的波动估计量。一般而言，不同的股票市场表现出不同的波动特征，波动率估计量的优劣性在于能否精确地刻画出股票市场波动的典型特征及变化趋势。大量研究表明，中国股票市场的波动呈现出尖峰厚尾，自相关性和非对称等特征，并且容易受交易量、价差等市场微观因子的影响，基于中国股市高频数据构造出的加权已实现极差是否也能够刻画出上述的波动特征，目前还没有相关文献对此进行研究。本文首先基于沪深300股指的五分钟高频数据构造已实现波动、已实现极差和加权已实现极差序列，通过理论和实证比较分析，已实现极差序列的方差是已实现波动序列方差的五分之一，加权已实现极差可以有效的去处“日内效应”，且具有更稳定的序列特征，证明了基于中国股市高频数据加权已实现极差为更有效的波动率估计量。随后，为了全面考察加权已实现极差波动的特征和预测未来波动，本文对加权已实现极差进行建模，通过分析其序列性质，本文运用自回归模型（AR模型）对其对数序列进行建模，并在该模型的基础上分别添加非对称变量及交易量因素，研究加权已实现极差序列的非对称特征以及交易量对其的影响。实证结果表明：中国股票市场上加权已实现极差序列具有尖峰厚尾、集聚性、持续性等特征，在模型中加入非对称及交易量因素后，模型的预测能力增强，表明加权已实现极差具有非对称性特征，并且与交易量存在较强的正相关关系。
王永莲[7]2017年在《我国股票市场波动与经济政策不确定性的关联性研究》文中研究说明波动性是股票市场研究中一个恒久不变的经典主题,股票市场的适度波动有助于股票市场更好地发挥其融资和资源配置的作用,对股票市场的规范和健康发展有着积极的正面影响。然而,股票市场的过度波动不仅给市场本身造成巨大的冲击,使市场无序化,导致投机活动泛滥,同时也在一定程度上导致了金融系统的脆弱性,影响宏观经济的稳定发展。股票市场在发展过程中不可避免地要受到经济政策的影响,一方面经济政策不确定性会在一定程度上影响股票市场的预期和行为;另一方面股票市场的波动对宏观经济的波动溢出也会反过来影响经济政策不确定性。尤其是在国际金融危机发生之后,经济政策不确定性出现两个显着的变化:一是在全球金融危机导致的经济衰退期间,由于企业和个人对税收、支出、监管、医疗保健和货币政策的未来充满不确定性,经济政策不确定性水平迅速飙升;二是由于经济政策不确定,企业和个人会延迟其投资、雇佣、消费和支出,进而会减缓经济复苏的步伐。同样,由于我国宏观经济与股票市场间关系的多变性,股票市场的“晴雨表”功能总是失灵,其中“政策市”就是重要原因之一。政策市是指可以通过经济政策的干预来影响股票价格涨跌,常常会出现股票市场与宏观经济不同步,甚至是相背离的现象出现。因此,股票市场波动与经济政策不确定性关联性的研究受到越来越多的投资者和研究人员的关注。然而,研究我国股票市场波动与经济政策不确定性的关联性,不是为了消除股票市场波动,而是为了充分了解我国股票市场波动的主要特征和典型化事实,从股票市场波动的聚类性、非对称性、长记忆性和持续性等典型化事实分析我国股票市场的波动轨迹和运行规律,从而避免股票市场过度波动给宏观经济带来的冲击,发挥适度股票市场波动对宏观经济的正面影响。同时也探求经济政策不确定性对我国股票市场波动所产生的影响和贡献,这将有助于更好地解析股票市场的波动特征及其原因,让股票市场在合适的时间,以适宜的方式发挥其对宏观经济的“晴雨表”作用,为宏观经济政策的制定和实施提供具有建设性的参考。有鉴于此,论文在股票市场波动与经济政策不确定性波动日趋紧密的背景下,按照“问题的提出→事实的描述→模型的推演→模型的检验→模型的结果→结论与建议”这样的逻辑架构,采用混频数据模型对我国股票市场波动与经济政策不确定性的因果关系、股票市场长期波动和长期相关与经济政策不确定性的关联性进行了较为系统的研究。第一章在阐释股票市场波动和经济政策不确定性的相关概念和定义的基础上,引出论文的研究问题,阐述其研究意义。然后再分别对经济不确定性、政策不确定性和经济政策不确定性的研究现状和理论基础进行了综述,并重点对经济政策不确定性与股票市场波动的关联性的理论基础和研究现状进行了综述性总结和评价。最后给出了论文的研究方法和全文的研究框架。第二章具体分析了我国股票市场波动的典型化特征,为后文的研究做一个基础性总结和铺垫。这章在总结和分析了股票市场收益和波动的测度方法以后,采用garch类模型对我国股票市场中的波动聚类特征、非对称性特征和长记忆性特征的理论模型进行梳理与总结,并在我国股票市场波动特征的统计分析中,详细分析了我国股票市场中的波动聚类特征和非对称特征,并对四个garch类模型进行了比较分析。研究结果表明我国股票市场和其他股票市场一样同样存在波动聚类和非对称特征,且egarch模型的拟合优度和估计结果是四个模型中最优的。第叁章采用garch模型及其扩展模型综合分析了我国股市波动的异方差、非对称性和长记忆性,并在此基础上,采用动态条件相关模型对我国沪深股市,以及我国与周边地区,我国与其他金砖国家股票市场间的动态关联性,籍此分析我国股票市场的波动特征,及其与其他国家和地区股票市场的动态关联性和一体化特征。arma-fiaparch模型的估计结果进一步证实了波动聚类、非对称和长记忆特征是我国股票市场的典型化特征,多个股票市场间的动态相关结果表明大中华区股票市场间的关联性非常高,且一体化程度较高,而金砖国家间的关联性和一体化程度则相对较低。从第四章开始,论文在混频数据模型的框架下分析我国股票市场波动与经济政策不确定性的关联性。其中,第四章是采用混频granger因果关系检验直接对我国经济政策不确定性与股票市场波动之间的granger因果关系进行比较实证研究,结果显示混频数据模型在检验“股票市场波动不是经济政策不确定的granger原因”这个原假设时具有比较优势。为了检验我国股票市场波动和经济政策不确定性间因果关系的稳健性,文章进一步采用固定和递归时窗的时变granger因果关系检验分析了两者间因果关系的时变特征,研究结果表明混频granger因果关系检验没有发现两者之间的granger因果关系,但是同频granger因果关系检验模型则在某些时间段检验出了双向granger因果关系。第五章将混频数据模型与GARCH模型结合起来,利用GARCH-MIDAS模型结合了经济政策不确定和波动模型测算了股票市场长期波动,并比较分析不同模型中经济政策不确定性对我国股票市场长期波动的贡献率,研究发现我国经济政策不确定性对股票市场波动的影响相对较弱,且经济政策不确定性的波动相比其水平值而言,对我国股票市场波动的影响更大且更显着。第六章是在第五章的基础上,将单变量的GARCH-MIDAS模型分析扩展到多变量的DCC-MIDAS模型来测度我国沪深股市长期相关,并进一步采用区制转移模型分析经济政策不确定性对我国沪深股市间长期相关影响的区制性和非对称性。研究结果表明我国沪深股票市场间的长期相关基本上保持在0.9以上,且具有非常强的持续性和稳定性。经济政策不确定性与我国沪深股市长期相关之间的关联性存在显着的区制性特征,即我国经济政策不确定性的上升会加大沪深股市间的长期动态相关。总而言之,我国股票市场波动和相关与经济政策不确定性之间的关联性是显着存在的,且总体表现为正向相关的,即经济政策不确定性的上升会在一定程度上加大我国股票市场的波动,并促使股市间的相关性提高。论文在第七章中对研究的基本结论和不足进行详细的总结。
刘晓群[8]2012年在《基于异质市场假说的中国股票市场已实现波动率特征研究》文中研究表明股市的波动及相关特征是国内外学者研究金融衍生工具的定价、有效资产组合的选择及金融风险管理的关键变量，也是金融学领域的一个研究热点。近年来，随着计算机及通讯技术的快速发展，极大的降低了数据记录和存储的成本，从而使得金融高频数据日益成为研究金融资产价格波动及市场微观结构的重要手段。Anderson和Bollerslev（1998）首次提出基于高频数据计算的“已实现”波动率，相比金融资产的日收益率，它能够更为精确的度量股票市场的波动。Cors（i2004）基于Müller等（1993）的异质市场假说理论提出了基于已实现波动率的异质自回归模型（Heterogeneous Auto-regressive model of Realized Volatility, HAR-RV模型)，它不属于真实长记忆类模型，而是一种简单的已实现波动率的可加时间序列模型，分别用不同时间段的已实现波动率来刻画特定类型市场参与者的交易对整个波动率的边际贡献，因而不仅具有明确的经济含义，也能用更简单的普通最小二乘OLS估计方法来刻画出已实现波动率的长记忆性等动态特征。杠杆效应与量价关系是股票市场波动的两个主要特征，综合国内外对已实现波动率的研究现状，发现还没有文献在异质市场假说理论的基础上对已实现波动率的研究中同时考虑杠杆效应与量价关系。因此，本文旨在全面刻画股市波动特征和提高股市波动预测能力的同时，在HAR-RV模型的基础上，综合考虑波动的非对称性及量价关系，构建了LHAR-RV-V模型，并将其在中国股市进行实证分析，以进一步揭示中国股市波动的相关特征。实证结果表明该模型能够较好地捕捉我国股票市场波动的长记忆性和杠杆效应，且杠杆效应具有一定的持续性，从而进一步验证了Müller等（1993）提出的异质市场假说。此外，过去不同周期交易量的加入不仅能够更为细微的反映量价之间的关系，而且在一定程度上改善了模型的预测能力。
王国华[9]2017年在《中国股票市场日内波动率研究》文中提出在金融市场中,由于波动率对经济金融决策、组合配置、金融产品定价和风险管理都是至关重要的,所以波动率一直是金融领域研究的热门主题。根据金融波动率理论,实际中的波动率随时间而改变,即它是随机的。于是,构建一种既能够刻画波动率特征又可以准确预测波动率的模型就显得十分重要。由于波动率是无法被直接观测的量,这一问题深深地影响着对波动率的度量。为了解决这一问题,早期基于低频收益率数据的GARCH类模型、SV类模型在估计和预测波动率以及刻画波动特征方面取得巨大成功。近十几年来,金融市场的发展十分迅速,基于低频数据的研究已经不能适应金融市场发展的需求,所以人们诉诸于高频数据甚至于超高频数据的研究。对于高频数据的研究,传统的适用于低频数据的分析方法可能并不能取得很好的效果。这促使研究者们开始研究适用于高频数据下的波动率模型。此时,以已实现波动率(realized volatility,RV)为代表的一类已实现测度(realized measure,RM)因具有无模型、计算简单等特点而受到研究者们的欢迎。重要的是这些已实现测度可以当作波动率的直接观测。基于这些已实现测度,建立起HAR-RV类模型用来刻画波动率的演变规律和预测未来的波动率。然而,这些方法虽然利用的是日内高频数据,但最终得到的却是日间的波动率。显然,这样的日间波动率肯定是无法刻画波动率的日内波动模式。函数型数据分析方法把每天的日内高频交易数据当作时间的随机函数,这与波动率时变而随机的特性不谋而合。鉴于此,本文以2015年沪深300指数日内5分钟高频交易数据为例来探索中国股票市场波动率在日内层面上的叁个问题。首先,利用已有文献中的函数型波动率过程从日内价格数据中提取出波动率的日内估计数据,并借助函数型主成分分析对波动率和成交量的日内典型变化模式进行特征提取。其次,利用函数型典型相关分析和函数型线性回归分析对日内波动率和日内成交量的价量关系进行研究。最后,基于函数型时间序列分析方法研究了日内波动率的预测及实时动态更新问题。通过上述对2015年沪深300指数日内5分钟高频数据的一系列的函数型数据分析,在日内层面上给出本文的结论。第一,利用函数型主成分分析(FPCA)发现波动率在日内整体表现出典型的“日历效应”,即在开闭市时波动率高的特征。可以用四个主成分来分别刻画波动率的日内变化模式。具体四个主成分分别对应波动率在上午达到波峰、下午收市前和上午开市后波动率递减以及波动率在下午开盘后一小时达到波谷等4种模式。第二,利用函数型主成分分析(FPCA)发现对数成交量日内整体呈现出“U”形特征。用叁个主成分来刻画成交量的日内变化模式。具体地,第一主成分曲线突出的是上午开盘后成交量的变化,即开盘时的成交量比较高,然后逐渐减少直到午间收盘;第二条主成分曲线显现的则是下午收盘前成交量的变化,即从下午开盘后成交量逐渐增加,直到下午收盘前成交量增长到比较高的水平;而第叁条主成分曲线描述的大约是中午休市前后各一小时内成交量的变化特征,呈现出先减后增的趋势。叁组主成分得分的两两散点图进一步证实了上述叁个主成分刻画的对数成交量的日内典型变化模式。第叁,利用函数型典型相关分析(FCCA)对2015年沪深300指数日内波动率和日内对数成交量之间的相关关系进行分析。实证结果说明二者之间存在一定程度的线性相关关系。然后利用函数型线性回归模型(并行模型)对日内波动率和对数成交量数据进行建模,发现沪深300指数的日内波动率与成交量之间存在正向相关关系。第四,通过函数型时间序列分析(FTSA)研究沪深300指数波动率的短期预测问题。函数型时间序列分析利用波动率函数在时间上相依性来提高波动率短期预测的精度。在日内波动率的点预测和区间预测方面,实证分析结果显示:基于函数主成分回归的ARIMA模型比VAR模型的预测精度要稍高一些。另外,还考虑了利用已观测到的上午半天的价格数据预测下午半天的波动率的动态更新问题。实证分析结果显示:函数型线性回归(FLR)得到的更新后的点预测及区间预测比区块移动方法(BM)的误差小。
陈杨龙[10]2016年在《基于分形特征的中国证券市场微观波动研究》文中进行了进一步梳理从Markowitz(1952,1959)的投资组合理论,到Sharpe(1964)的资本资产定价模型,再到Black-Scholes(1972)期权定价模型,这些经典模型都以有效市场假说(Efficient Market Hypothesis,EMH)为基础。现实证券市场的实际情况不断挑战了有效市场假说的基础,大量研究证实收益并不服从正态分布,普遍呈现显着的“尖峰厚尾”特征,资产价格波动具有记忆性;交易者不完全理性。1987年美国股市的“黑色星期一”、2007年美国次贷危机导致的金融危机和经济危机、2010年美股“闪崩”(Flash Crash),2015年6月至8月A股股灾时“千股涨停、千股跌停、千股涨停再跌停”、2016年1月4日和6日两次触发熔断等现象显示全球证券市场,尤其是A股证券市场不断频繁发生的异常波动给有效市场假说赖以存在的均衡模型带来极大挑战。有效市场假说缺乏对非平衡态市场的假设和刻画,因此有必要探索其他学说的价值。自Mandelbrot(1967)发现资产价格波动的长记忆性等特征并提出分形概念以来,分形理论逐渐发展成为资产价格波动分析的工具之一,Peters(1991)利用分形理论构建了弥补有效市场假说缺陷的分形市场假说(Fractal Market Hypothesis,FMH)。该假说从投资者非同质性角度解释市场流动性形成机制,进而刻画市场价格波动稳定性。该假说认为市场中存在多元化的投资逻辑有助于市场投资者形成不同交易方向与投资时点,保证市场具有足够稳定性,市场成为全局确定性与局部随机性的有机组合,即形成分形结构;如果所有投资者只有唯一的投资逻辑,市场的分形结构就会消失,市场就会发生崩盘。证券市场微观结构一直是金融研究的重点领域?传统证券市场微观结构实证研究都是基于日度或者周度等低频数据,低频数据因丢失大量市场信息,其研究结果不尽完备。随着计算机存储能力和计算能力提高,较低频数据更加准确地记录市场原始特征的高频微观数据变得更易于获得和处理,这成为证券市场高频微观研究的基础。20世纪70年代以来,学界逐渐注意到高频微观数据中存在长期被忽略的研究对象——交易持续期(交易持续期是指连续两次交易之间的时间间隔),并开展了针对交易持续期的内在特征研究?波动建模及预测、以及交易持续期与交易价格和成交量的相关关系等。交易持续期反映了资产日内交易活跃度,是资产日内流动性的衡量指标之一,能够为价格波动的建模和预测带来提供新思路。作为高频微观数据的交易持续期既具有传统低频数据的特征,比如高峰厚尾、波动聚类、分形特征等,同时也具有低频数据不具有的特征,比如数据非等间隔、日内周期特征、序列负相关、数量海量等特征。Engle和Rusell(1998)提出了自回归条件持续期(Autoregressive Conditional Duration,ACD)模型,并成为研究交易持续期的主流方法,但该模型未能考虑交易持续期存在的分形特征,因此有必要提出具有分形属性的交易持续模型;考虑到交易持续期作为微观金融中反映流动性和投资者积极性的重要新指标,本文提出将具有分性属性的交易持续模型纳入到收益率波动模型中提高对于收益率分形特征的刻画和预测效果,并进一步提出高频金融风险管理工具。此外,本文从投资者结构和交易逻辑出发,探究了市场分形特征的来源,为前述理论推导和实证分析提供了现实依据和理解。关于检验A股市场的分形特征,本文从传统低频(指数、个股)、高频收益率、高频持续期叁个角度进行了考察,发现无论低频日度还是高频秒级,无论收益率还是交易持续期都具有趋势增强的分形特征,并发现投资者决策逻辑决定了收益率的分形特征来自于交易持续期,凸显了从分形角度构建交易持续期模型、将交易持续期信息纳入收益率波动计算、构建日内高频风险管理工具的必要性。本文随后探讨证实了马尔科夫转换多分形持续期模型(Markov Switching Multifractal Duration,MSMD)内生能够刻画分形特征、离差偏大、长记忆性等特征,MSMD模型通过建立多层次马尔科夫更新过程,能够将交易持续期波动分拆为不同波动层次,进而较ACD模型更加适合对交易持续期建模。为将交易持续期的分形特征信息纳入收益率建模中,本文提出了MSMD-GARCH模型,该模型能够很好地刻画收益率以及收益率与持续期的关系,并发现投资者结构能够通过投资者交易模式、不同的信息反馈对股票交易流动性以及价格产生影响,进而形成了股票的分形特征。以样本外预测偏差做为判断标准,实证数据显示MSMD-GARCH能够显着优于ACD-GARCH进行持续期收益率的预测。检验MSMD-GARCH具有良好的高频收益率预测能力,本文提出微观金融非等间隔风险管理方案MSMD-GARCH-Va R,并实证发现MSMD-GARCH-VaR样本外的VaR突破率介于4-17%,相对较低,同时其突破率显着低于GARCH-VaR突破率,表明MSMD-GARCH-VaR的稳健性和有效性高于GARCH-Va R,其具有作为高频日内风险管理工具的潜力。本文最后改进了分形市场假说模型,从投资者机构和交易逻辑角度分析探究A股分形特征来源,为分形的理解和应用提供现实依据;研究发现,投资者结构不尽合理、投资逻辑未差异化是A股分形特征、频繁异常波动的重要原因。基于此,我国在证券市场发展与完善过程中,应该着眼于建立合理的投资者结构,并不断丰富金融投资产品,培养投资者的多元化投资逻辑和渠道,降低市场的非理性因素。
参考文献：
[1]. 基于隔夜信息的中国股市波动率建模与预测研究[D]. 宋亚琼. 山东大学. 2017
[2]. 基于高频数据的中国股市收益波动特征研究[D]. 陈淳. 厦门大学. 2002
[3]. 基于高频数据的沪深300股指期货波动率度量方法及应用[D]. 任德平. 湖南大学. 2013
[4]. 中国证券市场波动成因、预测及监管研究[D]. 杨世伟. 对外经济贸易大学. 2016
[5]. 基于非对称信息具有时间特性的中国证券市场价格行为研究[D]. 房振明. 天津大学. 2004
[6]. 基于加权已实现极差的中国股市波动特征研究[D]. 贾俊艳. 长沙理工大学. 2012
[7]. 我国股票市场波动与经济政策不确定性的关联性研究[D]. 王永莲. 吉林大学. 2017
[8]. 基于异质市场假说的中国股票市场已实现波动率特征研究[D]. 刘晓群. 长沙理工大学. 2012
[9]. 中国股票市场日内波动率研究[D]. 王国华. 中南财经政法大学. 2017
[10]. 基于分形特征的中国证券市场微观波动研究[D]. 陈杨龙. 中央财经大学. 2016
标签：数学论文; 宏观经济管理与可持续发展论文; 波动率论文; 高频交易论文; 不确定性分析论文; 预测模型论文; 金融论文; 股市论文; 期货论文;