基于结构转换非参数GARCH模型的VaR估计

考虑股市波动结构转换的特性和参数模型会产生误设的情况,提出具有马尔可夫结构转换的非参数GARCH模型,并利用非参数估计技术估计波动率.将沪深股市的波动变化分为下跌、盘整和上涨3个状态,分别采用基于马尔可夫结构转换参数与非参数GARCH(MRSGARCH)模型对我国沪深股市的波动率进行估计和预测,运用MSE1、MSE2和QLIKE对估计和预测出的波动率进行评价.结果表明误差分布服从正态分布的参数和非参数MRS-GARCH模型的估计和预测更准确.在此基础上对沪深股市收益率的动态VaR值进行估计,然后运用Kupiec检验法对这两类模型在预测实际损失的表现进行评价.估计和检验结果表明,基于参数和非参数的MRS-GARCH模型都能较好地估计中国沪深股市VaR,且基于非参数MRSGARCH模型的VaR估计效果更好.

DDMRS-GARCH模型及其在上海股票市场的实证研究

提出了2阶马尔可夫结构转换波动模型———DDMRS-GARCH模型,DDMRS-GARCH模型引入了2阶马尔可夫链,使得波动状态转移概率不仅依赖于波动状态,同时还依赖于波动状态的持久时间.将DDMRS-GARCH模型应用于上海股票市场收益时间序列进行了实证分析.

基于结构转换PTTGARCH模型沪深股市波动率的估计

考虑股市收益率波动存在结构转换特征以及描述波动非线性和非对称特征的幂变换门限GARCH(PTTGARCH)模型,本文提出结构转换PTTGARCH模型.选取沪深300指数日对数收益率作为研究对象,将股指的波动变化分为下跌、上涨和盘整三个状态:选用2013年7月1日至2015年12月17日以及2015年12月18日至2016年1月8日作为样本内和样本外时期:分别应用GARCH,EGARCH,APGARCH,PTTGARCH模型及具有结构转换的相应模型对沪深股市波动率进行估计和预测,利用高频数据得到的已实现波动率作为股指实际波动率的估计.采用平均平方误差(MSE_1,MSE_2),平均绝对误差(MAE_1,MAE_2)对估计与预测的波动率进行评价,并采用模型信度集(MCS)检验比较各模型估计和预测能力.研究结果表明:单状态和具有马尔可夫结构转换PTTGARCH模型在样本内和样本外的拟合和预测结果均更为准确.

利率调整对我国股市不同状态波动性的影响

基于马尔可夫结构转换模型研究利率调整对我国股市在不同波动状态情况下波动性的影响,特别在2014年~2015年沪市波动为上涨和下跌状态下的影响.考虑股市波动存在结构转换及杠杆效应,选用马尔可夫结构转换EGARCH(RS-EGARCH)模型对上证综指进行收益和波动率建模.结果显示沪市在上涨状态利好消息与同等程度利空消息冲击具有相同影响;在下跌状态利空消息冲击比利好消息的影响更大,这异于通常的杠杆效应.通过在RSEGARCH模型均值和波动率方程中引入虚拟变量研究自2012年时隔两年后首次利率调整对沪市波动性的影响,研究发现利率下调在沪市上涨状态显著增加了收益率和波动率;而在下跌状态收益率显著降低.但通过对比研究,在2006年的利率调整对于2006年~2008年期间沪市上涨和下跌状态的波动性没有显著影响.

基于Markov-switching GARCH模型的上证50ETF期权定价分析

上证50ETF由于其组合资产的对冲,其资产面临的主要是系统风险,通过马尔可夫结构转换GARCH模型(MS-GARCH模型)准确预判上证50ETF波动状态后对其实施风险管理。首先,根据MS-GARCH模型稳态分类方法对上证50ETF波动率划分3个波动区间;其次,将波动率以滚动窗口形式带入Black-Scholes期权定价模型;最后,运用均方误差、对称平均绝对百分比误差等确定最优模型。实证结果表明:拟合和预测期权价格得到MS-GARCH模型优于GARCH模型。通过准确预判上证50ETF波动状态,在高波动状态情行下可以对上证50ETF提前做好风险管理措施,为金融组合资产系统风险管理提供一个很好的参考依据。