金融波动的赋权“已实现”双幂次变差及其应用

金融波动是金融研究中的热点问题。金融高频数据比低频数据包含了更丰富的日内收益波动信息,因此对金融高频时间序列的研究成为金融领域中备受关注的焦点。"已实现"波动是利用高频数据计算金融波动率的全新方法,目前在金融高频数据的研究中应用十分广泛,但它具有误差较大和不稳健的缺点,因此各种改进方法应运而生,其中"已实现"双幂次变差克服了"已实现"波动的不稳健的缺点。本文提出赋权"已实现"双幂次变差的概念,不但继承了"已实现"双幂次变差的稳健性,而且满足无偏性和最小方差性,通过理论证明和实证研究都表明其能够更准确的度量金融波动率。

“已实现”双幂次变差与多幂次变差的有效性分析

近年来,基于金融高频数据的波动率研究成为金融学研究领域的热点,而有效性是衡量波动率估计量优劣的重要标准,本文对波动率估计量的新方法“已实现”双幂次变差和“已实现”多幂次变差的有效性进行了研究,得出“已实现”双幂次变差在一般条件下比“已实现”波动更有效的结论,并且证明了在一定条件下,“已实现”多幂次变差的幂次个数越多,该波动率估计量的有效性越高.这一结论为“已实现”多幂次变差的幂次个数选取提供了原则.

金融高频数据的偏差校正“已实现”双幂次变差

金融高频数据中微观结构噪声的存在严重影响了金融波动率估计量的准确性.为了消除微观结构噪声给波动率估计量带来的偏差,构建更准确的金融波动率估计量,选取具有稳健性的"已实现"双幂次变差对其做了偏差校正,提出偏差校正的"已实现"双幂次变差,通过定理证明了其渐近无偏性与有效性,并用深证成指的金融高频数据验证了这一理论成果.因此偏差校正的"已实现"双幂次变差是具有稳健性、渐近无偏性与有效性等良好统计性质的金融波动率估计量,它为金融应用研究领域奠定了基础.

中国金融市场波动率的实现极差双幂次变差估计

实现极差和实现双幂次变差分别是针对金融市场中日益流行的高频实现波动率的重要改进,文章对一类新的结合了实现极差和实现二次幂变差各自的优点的实现极差双幂次变差估计进行了建模和实证研究,采用来自沪深两市的主要股指日内高频数据的对比研究显示:该波动率估计量不仅能够像实现极差一样准确捕捉到金融市场收益率无条件分布的尖峰厚尾特征,而且能够像实现双幂次变差一样很好的消除其偏态性。

基于变差理论的利率基准性已实现波动分析

从利率波动状况的角度,利用变差理论,对我国的三种利率体系短期利率的波动状况进行研究并分离出利率的跳跃过程。结果表明相对Libor美元报价利率的波动性,我国的利率短期品种波动性表现较为剧烈,跳跃现象频繁,这三种利率体系尚不能完全独立地作为我国货币市场的基准利率。但作为定价基准,回购定盘利率更适合做隔夜和一周的参考利率,Shibor一月期限的拆借利率要优于Chibor的一月拆借利率。本文结论有利于市场主体选择金融资产收益率的定价标准以及衡量国内利率体系的合理性。

次分数布朗运动的Hermite变差(英文)

本文主要研究了H∈(0,1)时次分数布朗运动的q次赋权Hermite变差的一些中心极限定理,其中q为整数且q≥2.当1/(2_q)<H≤1-1/(2_q)时,中心极限定理成立,且其极限为一个条件高斯分布.当H<1/(2_q)时,赋权Hermit.e变差L^2收敛,且其极限仅依赖于次分数布朗运动.

基于高频数据的沪深股票市场的相关性研究

以往的文献对于股票市场之间的相关性研究大多是基于低频数据的.本文则采用高频金融数据,对上海和深圳股票市场的相关性进行研究.首先提出了基于高频数据的赋权已实现变差估计量和赋权已实现协变差估计量.然后,给出了基于赋权已实现变差和赋权已实现协变差的金融市场之间相关系数的定义.最后,采用Bayes方法来检测相关系数时间序列的变结构点,来发现金融市场间的相关性是否存在显著变化.通过对上海和深圳股票市场进行的实证研究发现,两个市场的相关系数在变结构点存在显著变化.

高频金融数据的两种波动率计算方法比较

高频金融数据的波动率计算是近年来国内外的研究热点,"已实现"波动(RV)是基于高频数据的全新波动率度量方法,最近又出现了"已实现"双幂次变差(RBV)的波动率计算方法。针对这两个高频金融波动率计算的热点问题进行了比较,指出RBV在定义形式上比RV所包含的内容更加广泛,除了具有稳健性,还证明了在两种条件下,RBV比RV更有效。

基于金融高频数据波动率计算方法的比较研究

就近年来出现的基于金融高频时间序列的三种波动率估计量进行了比较研究,从计算方法、统计性质和应用范围等多个角度进行了分析,并用深证成指做了实证研究,为理论工作者和实际操作者选取波动率估计量提供了依据。

基于金融高频数据的VaR研究

选取具有良好统计性质的金融波动率估计量来构建VaR,,可以使市场风险的度量更为准确。高频数据由于比低频数据包含了更多的市场信息,因此基于高频数据的金融波动率估计量更为准确。但是基于高频数据的波动率估计量为数众多,目前仅有对各个估计量本身性质的比较研究,在应用于VaR的研究中如何选取估计量使得VaR的计算更为准确则不得而知。因此,文章选取了高频数据下的若干个有代表性的金融波动率估计量,进行VaR值的计算,并对其结果进行了比较研究,同时进行了持续性分析。通过实证研究表明VaR序列具有持续性,其中由赋权"已实现"双幂次变差计算所得的VaR值更准确,从而为VaR的精确计算和正确建模提供了依据。

基于高频数据的金融波动率模型

金融高频数据和金融波动率是目前金融领域研究的热点问题。本文对基于金融高频数据的金融波动率估计量——"已实现"双幂次变差进行了建模和预测。"已实现"双幂次变差无模型、计算简便,在一定条件下是金融波动率的无偏估计量,并且具有稳健性和有效性。通过用上证综指对"已实现"双幂次变差进行ARFIMA建模,发现中国股票市场的上证综指"已实现"双幂次变差时间序列具有长记忆性。

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。

中美股票市场跳跃风险的非对称预测能力及溢出效应研究

在中国资本市场不断开放的背景下研究股市跳跃风险和市场间的溢出效应具有重要的理论和现实意义。本文基于中美股票市场的高频数据对各自跳跃风险进行了测算和拆分，并根据日收益率的正负将整体跳跃风险分为正负跳跃风险。在此基础上分别检验了该类指标对股权溢价、波动率及利率的预测效果。同时，本文也对两个市场间的溢出效应进行了分析。研究发现，正负跳跃风险的预测能力和溢出效应均存在显著的非对称性。在对股权溢价的预测中，美国股票市场负跳跃风险的预测能力较强且贝塔系数为正，而正跳跃风险的预测能力较弱且贝塔系数为负，中国股票市场上则无此特征。在同期溢出效应检验中，美国股票市场负跳跃风险具有显著的溢出效应，正跳跃风险则无此特征，而中国对美国的溢出效应较弱。在非同期溢出效应检验中，美国正负跳跃风险均具有显著的溢出效应，而中国股票市场只有整体跳跃风险才有此特征。