基于上证指数高频数据的中国资本市场微观特性研究

以上证指数高频数据为研究对象,基于上涨、平缓和下跌三个市场状态分析我国金融市场的微观特性.通过分析上证指数在不同时间间隔下的概率分布、自相关性和多分形三个特性,发现上证指数对数增量序列存在厚尾、列维非高斯分布特征,且随着时间间隔的增大,收益序列愈收敛于正态分布,其中,下降趋势收敛于正态分布的速度更快,拟合于列维分布的效果更好.最为突出的是,在自相关函数分析中,上证指数的收益率无长期记忆性,而波动率则具有较强的记忆性.同时,波动率的自相关性存在明显的周期性特征,即T=240 min,且在下降趋势时其相关性最高.在以时间增量刻画的多重分形结构中,对于不同的时间序列、时间间隔,由于受投资期限和流动性的影响,三种股市状态的收益率波动存在着短期和长期性的差异.上证指数的总体宏观行为与国际成熟股市较为一致,但在微观特性上仍存在显著差异,其所特有的周期性是投资者的惯性反冲所致,而自相关性函数较之成熟股市衰减较慢,则表明投资者的投资行为更多地受历史信息的影响.

上市公司信用风险的度量

文章根据通达信概念板块的分类,在11个经济区中分别选取3个行业组成研究样本,应用修正的TGARCH-KMV模型度量不同经济区、不同行业上市公司的信用风险。研究结果表明:在经济区比较上,东部沿海地区上市公司的信用水平最佳,中部次之,西部最劣。其中,位于环渤海经济区的上市公司信用风险最小,而地处成渝特区的企业信用风险最高;在行业比较上,资产规模最大的房地产业,其上市公司信用风险最小,医药制造业次之,而高科技的信息技术企业信用风险最大。同时,利用因子分析法阐述影响上市公司行业信用风险的财务因子及其对应政策。

基于多分形的资产组合风险度量建模与实证研究

考虑资产收益率的多分形特征及资产组合收益率间的复杂相依结构,运用Markov switching multifractal(MSM)模型对资产收益建模并结合Copula函数刻画相依结构,构建了资产组合市场风险度量的Copula-MSM模型.以风险价值(VaR)和期望损失(ES)作为市场风险度量工具,选取上证指数和恒生指数构成的资产组合进行实证分析,并比较Copula-MSM, Copula-GARCH和Copula-FIGARCH模型对VaR和ES风险测度的估计精度差异.实证结果表明,与Copula-GARCH和Copula-FIGARCH模型相比Copula-MSM能更准确的估计VaR和ES值,提高风险度量精度.

基于小波方法的中国股市与亚太股市联动性实证研究

综合考虑资产分散化和时间分散化目标,利用小波方法从时间和时间尺度两个维度对中国股市与亚太的10个主要股市的联动性进行实证分析,结果表明:中国股市与亚太股市的联动在时间和时间尺度两个维度上都是变化的,2003-2006年是股市联动的一个临界时期,高联动集中在大时间尺度,中小尺度下的联动较弱,且联动模式不稳定。金融危机期间股市联动增强,但次贷危机和欧债危机期间联动增强的时间尺度范围显著不同。这些实证发现对资产管理者识别风险分散机会、构造资产组合策略具有重要意义。

基于厚尾分布多分形模型的上证综指波动率预测

通过引入厚尾的、自由度参数范围更广的广义误差分布(GED)扩展标准马尔科夫转换多分形模型(MSM),探讨MSM-GED模型的参数估计和波动率预测问题,并利用上证综指日收益数据进行实证分析。实证结果表明,上证综指确实存在多分形性,MSM模型的波动预测能力强于(FI)GARCH模型,尤其是中长期波动率预测,MSM-GED能够提供更准确的波动率预测值。这为资产定价和风险管理提供一种新的波动建模选择。

金融机构系统性风险研究述评——基于机制、测度与监管视角

系统性风险是全球金融监管和改革的前沿课题。当前系统性风险的研究视角呈现出点(独立个体)、线(相关关系)、网(复杂网络)的特点。就机理而论,系统性风险的形成经过累积、传染、爆发和扩散四个阶段。就测度而论,其度量方法主要包括基于宏微观数据的指标法、基于市场数据的模型法和基于网络结构的分析法。就监管而论,系统性风险涵盖时间轴和横截面两个维度。现有研究在形成机制上缺乏系统性,忽略了投资者行为、信息传染等因素;在测度研究上过于片面,未能综合反映非线性、尾部分布、高频信息及市场状态等特征。同时,现有研究对系统性风险的形成机制与测度研究之间的内在机理研究尚存在不足。

基于不同市场状态机制的金融机构风险溢出效应研究

系统性金融风险是理论界和实务界探讨的热点。从平静、正常和震荡三种市场状态出发,通过构建静态及动态SDSVaR模型,以及利用两阶段分位数回归法对中国保险、银行、证券及基金业之间的系统性金融风险溢出效应进行实证分析,并以脉冲响应函数刻画风险溢出的方向、强度和持续时间。研究表明:在静态SDSVaR模型下,中国金融机构之间的系统性金融风险溢出效应呈现出不对称性;在动态SDSVaR模型下,中国金融机构之间的系统性金融风险溢出效应与股市走势一致,且SDSVaR模型在市场震荡期对危机的反应更为敏感;对于同一当量的冲击水平,震荡市场状态下的风险溢出效应最强,其中源于基金业的溢出效应最为剧烈,银行业、保险业次之,证券业则最为微弱。应高度警惕经济冲击对金融机构造成的负面影响,稳步推动金融机构的混业经营,全面强化宏观审慎的监管力度,使监管机构发挥其功能性监管的作用。

基于支持向量机的银行系统重要性评估研究

系统重要性银行是构成全球业务链的连接点，对各国各项业务的顺利进行起到不可或缺的作用，所以当其发生危机时，会直接对全球范围内的金融机构造成负面影响．学术界对如何识别中国系统重要性银行进行了很多有益尝试，由于研究方法或样本不同，得出的结论存在一定差异．有效识别此类银行是当前的热点议题．文章从系统重要性银行的度量数据出发，首先以各银行的财务报表数据和股票价格数据为研究样本．其次，在SVM-Copula集成系统基础上，利用粒子群优化算法对SVM寻找最优参数组合，进而提出了优于GARCH模型和核密度估计法的PSO-SVM边缘分布估计法．最后将PSO-SVM-Copula集成系统运用到CoVaR领域中．研究结果表明：PSO-SVM．Copula-CoVaR（PSCC）模型在系统重要性银行的评估上比仅使用单方面的数据更加合理．