基于小波变换的LMSV模型波动长记忆性估计与检验

将小波引入到LMSV模型波动长记忆性的估计与检验中 ,提出了基于小波变换的LMSV模型波动长记忆性的伪极大似然估计法和波动长记忆性的检验方法 .用不同参数值和样本容量的数据进行了模拟实验 ,又用该方法对上海和深圳证券交易所综合指数收益序列的LMSV模型的波动长记忆性进行了检验和估计 。

沪深300股指期货收益率及波动率的长记忆性研究

对股指期货收益率与波动率的长记忆性进行研究,可以反映市场的运行效率。运用ADF-KPSS联合检验法、自相关系数法、R/S检验法检验了沪深300股指期货的收益率及波动率序列的长记忆性。结果显示:沪深300股指期货的收益率序列不具有显著的长记忆性,而其波动率序列具有显著的长记忆性,波动率的长记忆性暗示着市场中事件和消息对我国股指期货市场的影响不会马上消失,而可能对市场产生长期和深远的影响,也意味着我国股指期货市场的有效性有待加强,需要从信息披露、培育多元化投资主体等方面加强市场建设,以消除长记忆性对我国股指期货市场健康发展的影响。运用FIGARCH模型度量了沪深300股指期货波动率的长记忆性,为后续股指期货波动相关研究提供参考。

LMSV模型波动的长记忆与相关性的小波分析

本文提出了LMSV模型的波动自相关函数的定义,将小波分析方法引入到LMSV模型的建模研究中,提出了基于最大重复小波变换(MODWT)的不同尺度下的LMSV模型,并进一步讨论了不同尺度下的波动自相关函数的性质,并用该方法对上海和深圳证券市场综合指数收益波动序列进行建模,对在同一尺度和不同尺度下的长记忆性与相关性进行了实证分析。

结构突变对股市收益波动性的影响——来自中国沪深股市的经验分析

采用修正的ICSS算法检测我国沪深股市收益波动的结构突变点,并使用引入虚拟变量和标准差过滤的方法消除结构突变的影响,建立GARCH和FIGARCH模型检验结构突变对我国股市收益波动的实际影响。研究发现:沪深股市的收益波动表现出显著的长记忆性,且结构突变将导致对收益波动长记忆性的高估,表明我国股市还未达到弱式有效的水平,建立在"有效市场假说"基础上的金融数量模型并不完全适用于我国证券市场;采用修正的ICSS算法能够有效地捕捉到波动的结构突变点,引入虚拟变量和采用标准差过滤均能较好地消除结构突变的影响,而采用标准差过滤的方法的实证效果相对更好;我国股市收益波动存在显著的结构突变,且结构突变发生的时间均与重大政策或市场事件相对应,表明我国证券市场受到经济政策和市场活动的影响显著。为此,应尽可能保持政策的相对稳定,减少过度的行政干预,促进股市的市场化运行,并密切关注国内外经济发展形势对证券市场的可能冲击。

中国股市波动率预测研究:基于实时已实现EGARCH-MIDAS模型

本文构建了一个能够充分捕获高频数据信息、当前收益率信息以及波动率长记忆性的实时已实现EGARCH-MIDAS(RT-REGARCH-MIDAS)模型对中国股市波动率进行建模和预测.采用上证综合指数(SSEC)和深证成份指数(SZSEC)5分钟高频数据进行实证研究,结果表明:RT-REGARCH-MIDAS模型相比其它众多竞争模型具有更好的收益率数据拟合效果,能够更好地描述股市波动性.利用稳健的损失函数以及模型置信集(MCS)检验作为判断准则,实证比较了该模型与其它竞争模型对中国股市波动率的样本外预测能力.实证结果表明:捕获高频数据信息、当前收益率信息和波动率长记忆性对于股市波动率预测具有重要作用;在众多竞争模型中,RT-REGARCH-MIDAS模型具有最为优越的波动率预测能力.进一步,采用不同的已实现测度、不同的预测窗口、不同的MIDAS滞后阶数、不同的预测期以及样本外R2检验进行稳健性检验,证实了该模型优越的波动率预测能力具有稳健性.最后,通过考察模型波动择时策略发现,该模型能够获得相比其它模型显著更高的投资组合经济价值.