中国与国际股市波动的时变相关性检验——基于小波分析和GARCH-Copula技术

为研究中国与国际股市波动的时变相关性机制,文章通过小波分解中、美、英3国股票指数2013~2020年的收益率,运用小波相干谱、格兰杰检验和GARCH-Copula方法分析,研究发现:在低频段方面,中美、中英股指呈现长期正相关,英美股指对中国均有引领作用,英美股指互为格兰杰原因,且均是中国股指的格兰杰原因;在高频段方面,中美、中英股指呈现负相关,但2018年后中美相关性由负转正,中美股指在短时、极端共同上涨行情和中英股指在短时、极端共同下跌行情均具有可预测性。

影响中国奶价波动的国际因素分析——基于时变Copula模型

在过去20年,中国原料奶价格处于上升通道中,价格波动风险在高速增长的掩盖下被人为忽视。随着奶牛产业逐步趋于成熟,国内原料奶价格受国际奶价波动的冲击影响突显。为深入研究奶价波动规律,帮助牛奶生产者制定风险防范措施,本文应用时变Copula模型研究国内奶价和国际奶价两个时间序列的相关性变动情况,揭示了国际奶价对国内奶价的冲击影响拐点已经出现。在国际奶价持续低迷的背景下,相关管理部门应综合考虑国内和国际形势,出台相关政策以应对频频发生的倒奶杀牛事件。

具有时变杠杆效应的已实现GARCH模型

杠杆效应是金融市场中的一种常见现象。为了更好地刻画杠杆效应的时变性,首先基于线性样条函数将时变杠杆效应引入了经典已实现GARCH模型,得到了具有时变杠杆效应的已实现GARCH模型,并给出了模型的参数估计及其算法。其次,模拟研究了本文所提模型在有无杠杆效应、不同样本容量及不同噪声选取下的有限样本表现。最后,利用伦敦富时100指数实证分析了本文所提模型相比于经典已实现GARCH模型的优越性。

基于时变测度的羊群行为对股市波动影响的实证检验

文章在传统CCK模型的基础上,利用非参数的时变系数估计法构造了一种测度股票市场羊群行为的动态指数,并在此基础上利用线性与非线性格兰杰因果检验分析了动态羊群行为对股市波动的影响,研究发现,羊群行为对股市波动既存在显著的线性影响,也存在显著的非线性影响。进一步使用多重分形去趋势交叉相关分析法(MFDCCA)与非对称MFDCCA方法在涵盖不同重大事件的子区间上分阶段地研究了羊群行为与股市波动的关联性,发现各子区间上的羊群行为与股市波动存在显著的正向关联性,并且该关联性具有时变的非对称特征,羊群行为指数处于上行趋势时与股市波动的关联程度显著区别于羊群行为指数处于下行趋势时的关联程度。

中国股票市场的时变杠杆效应研究——基于随机Copula模型的实证分析

构建随机Copula模型研究了中国股票市场在极端市场条件下的时变杠杆效应.为了解决金融市场中波动率不可直接观测的问题,采用已实现波动率测度作为隐波动率的代理变量,进而运用基于有效重要性抽样的极大似然(EIS-ML)方法估计了随机Copula模型的参数.基于沪深股市数据的实证研究表明:中国股票市场的杠杆效应具有非对称特征,即股市低收益率伴随高波动率,但股市高收益率不一定伴随低波动率;中国股票市场的杠杆效应存在显著的时变性,沪深股市杠杆效应表现出类似的变化趋势;随机Copula模型相比其它Copula模型(静态Copula模型和时变Copula模型)具有更好的数据拟合效果.

已实现波动与日内价差条件下的CVaR估计

随着高频金融数据的获取,已有很多基于高频数据的研究,包括已实现波动率的估计及其分布特征分析等.尝试结合日内高频数据和日收益率数据,基于Copula方法分析了日收益率与"已实现"波动率以及日内价差之间的相依结构.通过分象限对数据进行了Copula拟合,给出了一类特殊数据的联合分布估计方法,进而给出了已实现波动率和日内价差条件下的CVaR的估计方法.最后基于中国股市上证综指和深证成指的高频收益率数据进行了实证分析,并对两种条件下的CVaR方法进行了预测效果的比较,实证结果表明已实现波动率条件下的CVaR预测效果更好.

时变条件t-copula蒙特卡罗方法的外汇储备收益风险度量

在给定我国主要储备货币为美元的基础上,使用英镑、日元、欧元兑美元每日汇率,应用时变条件t-copula函数描述主要储备币种对美元汇率收益序列之间的时变相依结构,建立了用于描述包含时变自由度在内的所有时变相依模型参数的演化方程。采用蒙特卡洛仿真方法计算了各种币种组合的VaR,并对结果进行后验测试,时变条件t-copula函数仿真估计VaR可以覆盖最大损失风险,并分析了主要储备货币组合兑美元汇率风险演化趋势,作为调整外汇储备结构的参考依据。

基于异方差和时变波动的Realized HAR GARCH模型研究

文章选取上证综指5分钟收盘价序列高频数据,采用ACF拟合、多种损失函数、SPA检验和VaR回测检验对不同误差分布下的包含时变波动、异方差结构和加权已实现极差的Realized HAR GARCH模型进行研究。实证结果表明,新模型相比于以往模型更能够捕捉上证综指的波动特征,具有更好的波动率拟合和预测效果,且VaR度量效果更优。研究丰富了时变长记忆高频波动率模型,从时变波动和噪声异方差结构视角为投资者和监管机构进行风险管控提供参考。

带时变高阶矩的已实现GAS模型及其实证研究

基于广义自回归得分模型框架,对资产收益率和已实现测度联合建模,假设资产收益率服从时变学生t分布,构建了带时变高阶矩的已实现GAS(TVP-RGAS)波动率模型.TVP-RGAS波动率模型将学生t分布中的自由度参数时变化,可以捕获金融资产收益率序列中的时变高阶矩特征.引入已实现测度,有助于利用日内价格变动信息从而更好地捕获市场波动的急剧变化.TVP-RGAS波动率模型属于观测驱动模型,可以使用极大似然方法估计,具有易于实现的优点.采用上证综合指数进行实证分析,结果表明,上证综合指数的收益率分布存在明显的时变高阶矩特征;TVP-RGAS波动率模型相比已实现GAS(RGAS)波动率模型和已实现GARCH(RGARCH)模型拥有更好的条件方差预测能力以及VaR预测效果.

基于三种相关系数的时变Copula模型的比较及应用

针对股票市场的波动性及非正态分布的特点,以t-GARCH(generalized autonegressive condition heteroskedasticity)模型描述其收益率的波动性并建立边缘分布,再分别从线性相关系数、Kendall秩相关系数、Spearman相关系数出发建立时变正态Copula模型。基于该模型描述变量间的相关结构,并通过信息准则比较几种模型的优劣。股票数据的实证检验与分析表明,基于Kendall秩相关系数建立的时变模型更能捕捉股票市场的相依机制。

基于广义已实现测度的沪深300股指期货波动率预测与风险度量

以沪深300股指期货高频数据为样本,将广义已实现测度引入偏t分布下的SMA-Realized HAR GARCH模型中,该模型同时考虑了HAR结构和时变波动。通过滚动时间窗的方法对模型进行VaR预测,结合后验测试与MCS检验综合比较了不同已实现测度下模型在波动率估计与VaR预测上的效果。结果显示,引入了广义已实现测度的SMA-Realized HAR GARCH模型具有更好的波动率估计与风险预测效果。

金融危机对证券市场波动溢出的影响研究

不同证券市场之间的波动存在时变、非对称、非线性相关的特性,尤其是在极端事件影响下,证券市场之间往往会表现出尾部相关的特性。以次贷危机为背景,利用时变Copula模型研究了证券市场间的波动溢出。结果发现无论是金融安全时期还是金融危机时期,均存在美国证券市场对中国证券市场的波动溢出,并且在金融危机期间这种波动溢出效应有增强的趋势。

金融市场波动跳跃、跳跃相依与跳跃风险:基于股指高频数据的研究

运用股指高频数据,首先构建基于一般已实现波动率与双幂次变差的RV-regular vine copula模型,比较分析两个模型在刻画资本市场之间的波动跳跃结构的差异;然后,考虑股票价格存在跳跃的情形,分析离散跳跃的统计特征,研究资本市场之间跳跃相依结构,并通过模拟计算市场在险价值来探讨市场之间的跳跃相依风险。研究发现:由于跳跃的存在,采用双幂次变差所构建的RV-regular vine copula模型在参数估计结果方面表现更佳;跳跃序列存在尖峰厚尾的特征以及跳跃聚集的现象,而跳跃相依风险可以通过构建合适的资产组合来降低。

具有时变波动率持续性的已实现EGARCH模型及其实证研究

研究表明,金融资产收益率的波动率具有时变性、聚集性和非对称性等复杂的特征.此外,波动率还具有很强的持续性,而且这种持续性具有时变特征.与此同时,随着计算机及电子信息技术的快速发展,高频数据越来越容易获得,充分利用高频数据可以提高波动率估计的准确性.Hansen和Huang采用高频数据构建了已实现EGARCH(REGARCH)模型,研究发现其比传统GARCH模型和EGARCH模型具有更好的数据拟合效果.但是,REGARCH模型仍然没有考虑波动率持续性的时变特征.文章在REGARCH模型的基础上,引入随时间变化的GARCH系数,采用混频数据抽样(mixed-data sampling,MIDAS)方法,将其与解释变量(已实现波动率)联系起来,构建了具有时变波动率持续性的REGARCH(TVP-REGARCH-MIDAS)模型.采用上证综合指数数据进行实证研究,结果表明:上证综合指数的波动率具有很高的持续性,而且这种持续性展现明显的时变特征,具体而言,上证综合指数的波动率持续性与已实现波动率呈负相关,即在高(低)的波动率时期会产生低(高)的持续性;TVP-REGARCH-MIDAS模型相比EGARCH模型、REGARCH模型和TVP-GARCH-MIDAS模型具有更好的样本内拟合效果以及样本外波动率预测效果.

基于时变Copula的沪深300股指期现货高频价格相依结构测度

沪深300股指期货上市交易以来,中国股指期现货市场间相互冲击引发风险的概率正逐渐上升。科学测度沪深300股指期现货尤其是极端情况下价格间相依关系,对于准确跟踪和防范跨市场风险具有重要理论和现实价值。在日内高频价格环境下,本文采用已实现双幂波动拟合沪深300股指期现货价格的边缘分布,分别构造相依参数和相关系数时变的Clayton Copula函数、Gumbel Copula函数及其混合Copula函数测度沪深300股指期现货高频价格相依结构。实证结果表明,沪深300股指期现货高频价格呈现出正向相关的动态非对称相依结构,市场价格暴跌阶段沪深300股指期现货高频价格相依性略强于市场价格暴涨阶段,时变混合Copula函数在测度性能上具有明显优越性。

基于TVS-HAR模型的农产品期货市场已实现波动率的预测研究

本文以4种农产品期货的高频数据为样本,在实证考察预测因子对农产品期货已实现波动率的预测能力基础上,通过假定时变HAR模型的参数遵循独立正态-伽马自回归过程先验分布,构建了具有时变稀疏度的HAR模型(TVS-HAR),以同时考虑预测模型参数的时变性和预测模型的时变性,并采用MCS检验评价和比较该模型和其他HAR族模型的样本外预测性能.实证结果表明:TVS-HAR模型能较好地识别和拟合潜在预测因子对农产品期货市场波动率的预测的重要性和影响程度的时变性;跳跃成分对我国农产品期货市场已实现波动率具有一定的预测能力;相对于其他几类HAR模型,TVS-HAR模型的预测性能最好.

风险最小化套期保值比例估计:基于RV-Copula模型

随着中国第一只股指期货—沪深300股指期货合约的推出,基于沪深300的期货现货套期保值交易受到广泛关注。风险最小化套期保值比例估计成为影响套期保值交易有效性的关键问题。本文提出了基于已实现波动率和Copula(RV-Copula)相结合的风险最小套期保值比例估计方法,并基于沪深300指数期货和现货数据进行了实证分析。实证结果表明,相对于线性相关系数,本文提出的RV-Copula模型能够更准确地度量沪深300指数期货和现货价格的相关性,从而给出更合理的风险最小套期保值比例估计,提高套期保值交易有效性。本研究是对风险最小套期保值比例估计研究的有益补充,特别是对高频数据背景下的套期保值实践具有重要指导意义。

基于局部相关系数和截尾扭曲混合Copula的杠杆效应识别和度量

作为风险资产收益和波动之间关系的度量,杠杆效应是金融市场数据三大分布特征之一,在波动预测、资产定价和风险管理中起着重要作用。日内高频数据计算的已实现波动作为波动的代理变量,解决了波动不能观测的问题,实现了用波动和收益直接建模捕捉杠杆效应。深入了解收益和已实现波动的相关模式并以此构建二者的联合分布是正确度量杠杆效应的关键。本文以局部相关系数为工具研究收益和波动在不同取值范围内的相关性变化,实证研究结果表明,与负收益冲击引起波动增加一样,正收益冲击也会引起波动增加,这与传统杠杆效应理论并不一致,与Chen和Ghysels(2011)对美国股票市场的实证结果一致。为正确捕捉和度量实证结果反映出的杠杆效应,在扭曲混合Copula构造方法基础上,本文用截尾扭曲函数构造扭曲混合Copula,以此作为收益和已实现波动的联合分布,再现收益和已实现波动的局部相关性特征。以上证综指2013.1.29日至2017.4.30区间内日内1分钟高频数据为样本进行实证分析表明,本文构造的Copula函数具有和实际数据一致的局部相关特征,能够正确刻画市场表现出的杠杆效应。Copula拟合优度的非参数检验表明,实际数据不拒绝本文构造的Copula函数,而现有文献采用的单成分Copula函数和两成分混合Copula函数均被拒绝。本文为收益和已实现波动的联合建模提供参考,具有基础重要性。

基于波动率测量误差的波动率预测模型

本文研究了一种基于波动率测量误差的波动率预测模型，并做了非线性扩展，期望改进预测效果．考虑到文献中关于波动率可能长记忆性和非线性并存的观点，本文以具有长记忆特征的HAR（heterogeneous autoregressive）模型为基础，加入波动率测量误差后模型持续性有所提高，结合非线性的时变参数模型则达到结构变化和减弱异方差的效果．本文用2652天的沪深300高频数据计算的已实现极差波动率来验证模型效果．固定参数下，在HAR型模型中加入测量误差作为调节变量可以较显著地改善样本外预测效果．时变参数下，加入测量误差的HARQ型模型预测效果大多优于对应的HAR型模型．时变参数模型总体上可以改善固定参数模型的预测效果，尤其在预测期较长的情况下改善均是显著的．