带有时变杠杆效应的随机波动率模型参数估计及其应用

为了更好地捕捉金融时间序列中杠杆效应的时变非对称性,本文基于线性样条思想,提出一种带有时变杠杆效应的半参数随机波动率模型,并利用贝叶斯MCMC方法对所提模型中的参数进行了估计.模拟研究表明贝叶斯MCMC方法在所提模型的参数估计方面有着良好的有限样本表现.最后利用本文所提出的带有时变杠杆效应的半参数随机波动率模型对2000年1月4日至2020年8月18日的上证综合指数和深证成份指数日收益数据进行了实证分析,结果表明利用本文所提出的模型拟合这两组实例数据是合理的.

中国波指隐含的波动率风险溢价研究:基于带跳随机波动率模型的实证分析

基于中国波动率指数(iVIX)和隐波动率的显式转换关系,利用上证50ETF价格和iVIX指数的联合数据,对带跳随机波动率模型(SVJ)进行了极大似然估计.此外,还研究了波动风险溢价(VRP)的经验特征以及VRP对市场收益的可预测性,研究表明,相比于经典的平方根设定,弹性值无约束的SVJ模型能够更好地描述市场收益率和波动率;VRP均值为负表示投资者总体表现为风险厌恶,尤其是在2015年股灾和2020年新冠疫情爆发期间;VRP具有稳定的市场收益率预测能力,在6个月时预测能力最显著.

基于4/2随机波动率模型考虑错误定价和保费退还条款的DC型养老金计划的均衡投资策略

该文在均值-方差准则下,引入保费退还条款,研究了存在错误定价的DC型养老金的时间一致性投资组合问题.假设养老金计划管理者可以将养老金账户中的财富投资到由无风险资产,遵循4/2随机波动率模型的市场指数和一对错误定价的股票组成的金融市场中.在博弈论的框架下,利用随机控制方法,通过求解广义HJB方程系统分别得到了时间一致的均衡投资策略和均衡有效前沿的显性表达式.最后,通过一些数值模拟分析了风险厌恶系数,错误定价和保费退还条款对均衡策略和有效前沿的影响.

基于符号收益和跳跃变差的高频波动率模型

基于符号收益率的视角,对现有的HAR-RV类及其跳跃扩展模型进行相应分解,构建新型的HAR-RV类波动率模型.进一步,结合符号收益和不同的跳跃识别检验方法,提出了包含符号跳跃变差的HAR-RV类模型,并利用样本外滚动窗预测技术和"模型信度设定"(MCS)检验法评价了各种新旧HAR-RV模型对我国沪深300股价指数波动的预测能力.结果表明:基于C_TZ跳跃识别检验的符号跳跃变差能显著改善波动率模型的短期预测能力,但在中长期波动预测时,符号跳跃变差未能明显提升HAR-RV类模型的预测精度;新提出的HAR-S-RVTJ-TSJV模型和HAR-S-RV-TJ模型分别在对短期(未来1天)和中长期(未来5天和20天)的波动预测检验中,展现出了最高的预测精度.

基于日内价格幅度与回报的随机波动率模型

金融资产波动率测量与建模是金融理论与实践中的一个重要课题,已经有了许多测量与建模方法。本文引入了基于日内价格幅度与回报两个测度指标的随机波动率模型。利用中国股市数据进行的实证结果表明,与单测度指标的随机波动率模型相比,基于两个测度指标的随机波动率模型能更好地描述股票市场波动率和市场波动风险。

基于贝叶斯原理的随机波动率模型分析及其应用

基于贝叶斯原理,对随机波动性模型进行研究,并将随机波动率模型应用股市风险价值V aR的估计与预测。针对中国股市数据进行的实证结果表明,与GARCH模型相比,随机波动率模型能更好地描述股票市场回报的异方差和波动率的序列相关性;基于随机波动率的V aR较GARCH模型的V aR具有更高的精度。

随机波动率模型的最小熵鞅测度和效用无差别定价

本文研究了随机波动率模型的最小熵鞅测度和效用无差别定价。利用动态规划方法,得到了效用无差别定价满足的偏微分方程以及效用无差别套期保值策略。利用指数效用函数的最优投资策略与最小熵鞅测度之间的关系,证明了最小熵鞅测度的存在性,并利用偏微分方程给出了最小熵鞅测度。

随机波动率模型下的单位根检验及对我国股市的实证研究

判断股市收益率波动的持续性问题通常归结为检验波动过程中是否存在着单位根。针对传统的单位根检验方法功效偏低,且检验的真实显著性水平容易失真的问题,本文采用随机波动率模型并利用改进的PP检验、KPSS检验,以及SIMEX检验方法对中国上证综合指数进行了实证研究.三种检验方法的结果都表明,股权分置改革后的上证综指收益率波动过程有单位根,波动呈现出很强的持续性.

多变量随机波动率模型及在中国股市的应用

文章在一维随机波动率(SV)模型基础上,通过扩展,建立了多个多变量随机波动率(MSV)模型。首次将MSV模型大规模应用于中国沪深两市指数周收益率数据,利用MCMC方法进行模型估计,选用DIC准则进行模型比较,得出拟合程度最好的MSV模型。结果显示,加入波动率单边Granger因果关系的MSVGt-AR(1)模型对沪深两市的拟合能力最好。

基于随机波动率模型的路径依赖期权定价

在随机波动率框架下,对两种典型路径依赖期权进行定价.在期权标的资产价格的波动率是一个快速均值回归随机过程的假设下,研究了几何亚式看涨期权和浮动行权价回望看跌期权这两类路径依赖期权的定价问题.通过奇异摄动分析方法,对均值回归随机波动模型的偏微分方程进行分析得到关于期权近似价格的两个近似表示项,并推导出上述两种路径依赖期权的近似解析解.

随机波动率模型下技术分析指标的一些性质(英文)

一些流行的技术指标(例如布林带,RSI,ROC等)被股市交易者广为使用.交易者将每日(小时,周,……)的实际股价作为计算某个技术指标的样本,通过观察相关频率来指导投资.技术指标的有效性已在广泛的应用中得到了验证.我们已经证明在Black-Scholes模型下,某些技术指标有许多有用的统计性质.作为更一般的情况,随机波动率模型在金融数学中得到了广泛的讨论.本文基于随机波动率模型对技术指标的统计性质进行了研究.研究结果表明,如果股票价格服从随机波动率模型,则技术指标的合理性可以得到有力的证明,从这个角度我们为技术分析奠定理论基础.

随机波动率模型分析与应用

本文首先分析了金融时间序列中常用的随机波动率模型结构,介绍了马尔可夫链蒙特卡洛MCMC方法并采用基于MCMC模拟的贝叶斯分析对随机波动率模型的参数进行估计了,其次应用该模型对世界黄金价格指数时间序列的走势与波动进行分析,实证结果表明SV模型能较好的拟合金价走势并作出预测。

基于波动率模型的世界黄金价格实证分析

本文应用GARCH和SV-T模型对世界黄金价格的走势与波动进行分析,采用基于马尔可夫链蒙特卡洛MCMC模拟的贝叶斯分析对模型进行参数估计,实证结果表明SV-T模型拟合的世界黄金价格走势与预测优于GARCH模型,对黄金投资有一定的参考意义。

金融市场波动率模型研究

波动率作为金融市场中的重要名词,对于研究和分析投资组合风险、衍生产品定价、对冲投资决策等都具有重要意义。本文围绕金融市场波动率模型,分析了研究背景、波动率分析方法、波动率模型等相关内容,并对我国金融市场波动率进行了检验,最后得出研究结论。

非对称随机波动率模型的偏度影响分析

本文考虑了资产收益率遵循广义双曲有偏学生t分布（GHST），及其与波动率误差项存在相关性等的随机波动率模型，以分析其对收益率条件偏度的作用。采用上证综指实证显示，遵循GHST分布且存在滞后相关的SV模型，能更好地捕捉和复制上证综指的关键特征。其中，超额峰度的生成归因于厚尾分布；GHST分布的偏斜参数对收益率负偏性提供了解释；理论上占优的滞后相关性设定并不存在偏度生成机制，但其与偏斜分布的结合，使模型绩效表现更好。

MCMC方法在估计二元随机波动率模型中的应用

金融数据的波动性一直是经济学研究的热点问题之一,随机波动率模型(SV)在波动率建模中有着重要的应用.马尔科夫链蒙特卡罗(MCMC)方法是估计参数的一种有效方法,给出估计一类二元SV模型参数的MCMC算法,并通过WinBUGS软件编程实现了该算法.文章最后给出了模型和程序的一个实际应用.

我国创业板市场风险的度量及分析——基于随机波动率模型的实证研究

创业板自上市以来,其高风险问题一直是学术界和实务界研究的重点问题。为精确度量创业板市场风险,将MCMC参数估计方法引入到随机波动率模型中,进而计算出基于随机波动率模型的创业板市场风险价值(VaR)。实证结果显示:在一天持有期内,在95%的置信水平下,创业板市场发生的最大损失不会超过3.19%;在99%的置信水平下,创业板市场的最大损失不会超过4.45%。此外本文还使用GARCH族模型对创业板市场的风险进行了辅助研究。

基于广义矩方法的随机波动率模型参数估计

金融资产价格的风险来自于自身价格的波动,而刻画资产价格波动的指标是波动率.本文以上证综合指数作为研究对象,通过广义矩估计(GMM)方法给出随机波动模型的参数估计和统计推断.借鉴无穷小生成元,条件期望算子和微分算子Taylor展开等知识,从理论上给出GMM的必要条件,即正交矩条件,进一步应用GMM方法研究随机波动率模型的参数估计,并通过应用重度抽样粒子滤波器(SIR)给出随机波动率的过滤估计值.实证结果表明,刻画上证综合指数需要引入随机波动率,同时也发现随机波动率模型能够很好地描述一些重大的经济现象.最后,根据所得参数估计结果,分析了随机波动率模型的欧式看涨期权问题.

随机波动率模型下的GMM估计对我国股市的实证分析

随机波动率模型(Stochastic Volatility Mode)是金融时间序列中一个十分重要的模型,广泛应用于验证波动率的随机性。GMM(general moment method)是一种十分有效的运用于线性和非线性模型的参数估计与假设检验中的方法。本文采用GMM方法,来验证我过2001年到2011年的上证指数时间序列是否符合随机波动率模型。