基于修正ICSS算法的时间序列方差结构突变研究

运用修正的ICSS算法研究了上证A股的股票资金流强弱指数方差结构性变点,并对上证A股2003年5月22日至2015年5月22日的日交易数据序列进行检测,得到了23个突变点;根据时间序列分析方法,将所得到的变点作为虚拟变量加入GARCH模型中进行模型分析。结果表明:上证A股资金流强弱指数是平稳的非正态时间序列;未加入方差结构性变点的GARCH(1,1)模型,序列波动具有很强的持续性,加入作为虚拟变量的方差结构性变点的GARCH(1,1)模型拟合效果更好,序列波动持续现象显著减弱,结构突变效应已被虚拟变量所捕获。

我国股票市场结构突变与双长记忆的实证分析

文章基于修正的ICSS算法,在消除结构突变影响的前提下,运用ARFIMA-FIGARCH模型,实证考察了我国沪深股市的收益率及其波动的双长记忆性。结论表明,我国股市存在显著的双长记忆性;而结构突变对于长记忆的影响表现为:消除结构突变的影响后,波动过程的长记忆性显著下降,而收益率序列的长记忆性并无显著变化。

结构突变下的碳价波动及碳市场风险测度——基于EUA碳期货结算数据的实证研究

本文以EU ETS第三阶段2013~2016年的碳期货结算价为样本数据,采用Bai-Perron检验和修正的ICSS算法检测碳价的均值和方差结构突变点,将其结果引入GARCH模型,构建修正的GARCH模型,实证分析结构突变下的碳价波动规律。在此基础上,结合极值理论和在险值理论,构建修正的GARCH-EVT-Va R模型,测度不同类型结构突变点下的碳市场风险并进行对比分析。结果表明:EUA期货价格序列既存在均值结构突变点,也存在方差结构突变点,且都对应着一定的经济事件;考虑突变点之后的GARCH模型可以有效降低碳价波动的持续性,同时考虑均值和方差结构突变点的GARCH模型,拟合效果最好;在测度风险时,同时考虑均值和方差结构突变点的静态Va R值最大,能更真实地反映碳市场风险。

中国股票市场波动性的结构性变换与重大事件

文章运用迭代累积平方和算法检测了我国股票市场的波动性出现结构性变换的情形。通过研究波动性的结构性变换附近的重大事件,我们发现政府对我国股票市场的规制是造成波动性发生结构性变换,尤其是使波动性突然大幅增加的主要原因。这个结论有异于现有的文献。本文的研究在一定程度上表明,我国股票市场的确具有"政策市"的特征,这意味着进一步认识股票市场的规制和改进现有的规制实践是有必要的。

中国外汇市场人民币汇率收益率波动性突变点研究

利用基于IT、k1、k2等统计量的ICSS算法对人民币对美元、欧元及日元的日汇率波动的结构性突变点进行了研究,发现利用k2统计量能够发现更为关键的突变点,验证了Sans等人的结论ü槐涞阌牍谕庵卮笫录嗥ヅ?得出了人民币汇率受国内重大事件影响较大的结论。研究发现考虑了突变点的GARCH模型有效地降低了标准GARCH模型估计各汇率收益序列时表现出的价高的波动持续性,能够过滤突发事件对汇率波动性的影响。

我国证券市场结构突变与波动性实证研究

重大事件的发生会使证券市场波动率发生结构突变。通过修正ICSS算法检验,可以发现我国证券市场波动存在明显的结构变化。将结构突变因素加入波动率模型进行比较后,可以发现含结构突变的波动率模型能更准确地刻画波动率特征。再分别按照结构突变发生的时间点分割样本区间与构造虚拟变量两种方法,对含结构突变的波动率模型进行比较研究的结果表明:构造虚拟变量方法对我国证券市场的波动率建模能取得较好的统计效果。

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。

金融监管政策对股市波动的影响研究

中国股市动荡通常伴随着重大政策事件的发生。为解释这一现象,本文分类定义了可能影响股市波动的重大政策事件,并运用修正的ICSS算法检测上证综指的结构性变点,进而构建ARMA-EGARCH模型用以分析重大政策事件对股市波动的冲击影响,最后利用事件研究法进一步解析不同类型的金融监管政策事件对股市波动的异质性影响。研究发现:金融监管政策事件对沪市波动的冲击影响明显大于其他政策事件,是导致沪市波动的主要原因,验证了中国股市具有“政策市”的典型特征;而在各项金融监管政策事件中,沪市对“停止国有股减持”等少数政策充分反应,对“推出创业板”、“实施深港通”和“加强证券投资基金监管”等大多数政策反应不充分,说明金融监管政策在股市中的传达或存在一定程度的低效率问题。

我国IPO时间序列波动路径的结构性转变特征与统计检验

本文基于1994年01月至2012年10月间的月度数据,研究了我国IPO数量和融资量的动态变化路径,发现我国IPO时间序列具有明显的结构转变特征。本文结合结构突变的内生和外生检验方法,采用修正的ICSS算法给出IPO时间序列可能存在的结构突变点,建立变量的自回归模型,对可能的结构突变点逐一进行Chow断点检验,获得了我国IPO数量和融资量的结构转变点;分析结构转变点附近的经济事件,给出触发IPO变量发生结构突变的原因,发现大部分突变的时点与一些重大经济事件相对应,这反映出中国IPO市场的不稳定性及政策效应。

基于MRS-SJC-Copula模型对A股与港股的动态联动性研究

由于经济增长周期变化,导致不同股票市场存在高低状态转换的现象,在研究不同股票市场之间联动性的研究时,需要考虑股票波动均值和方差两种结构变化.基于具有马尔可夫状态转换的动态SJC-Copula,结合修正ICSS算法对我国内地股票市场和香港股票市场之间的联动性进行方差结构突变点的检验.实证结果表明:国内和香港股票市场之间存在非线性非对称的时变相依性,并持续存在高低两种不同状态的概率转换.股票指数由于动态联动受到负面消息的下跌幅度大于正面消息的变化幅度,且上下尾部均受上期信息的持续影响."沪港通"、"深港通"、中美贸易战等因素使得其上下尾部发生结构突变,内地与香港股票市场的联动性增大和市场波动幅度趋强.

股票资金流强弱指数的结构突变研究

以股票资金流强弱指数为研究对象,根据时间序列分析方法,运用修正的ICSS算法,基于上证A股2010年5月4日至2015年5月22日的日交易数据,得到上证A股的结构突变点,并对所得到的变点进行了实证分析和应用研究。结果表明:上证A股资金流强弱指数是平稳的非正态时间序列;上海股票市场具有波动聚集性,而且是政策市场;构建了股票资金流强弱指数判别法,用以便捷的对资金流强弱指数结构突变点进行分类。

结构突变下我国碳交易市场价格波动分析

文章选取国内六大碳交易所成交均价日数据,将其对数化为日收益率,通过修正的ICSS方法检测出各序列的方差结构突变点,将结果化作虚拟变量带入EGARCH模型,分析加入突变点前后EGARCH模型的各参数变化情况。实证发现加入突变点前后的EGARCH模型,各区域碳交易所收益率序列中α+β值较加入突变点之前均有小幅的降低,极大似然值均增大,AIC值均减小。实证结果表明加入方差结构突变点之后,可以有效降低收益率序列波动的伪持续性。

生猪价格波动特征及影响事件的混合分析模型与实证

探索生猪价格波动特征,特别是把握其内在波动规律、研究外部事件对其产生的影响,对于规避生猪养殖风险,促进生猪产业的健康发展有着重要意义.在分析生猪产业规律的基础上,提出了生猪价格波动特征及影响事件的混合分析模型.利用经验模态分解算法(EMD)对我国生猪价格进行多尺度特征分解,并对各个特征模态进行统计分析,把握生猪价格波动规律;采用ISCC、Chow检验等结构变点分析算法对各个特征模态进行结构变点检验,将结构变点检验结果与生猪产业重要外部事件进行对比,总结各类外部事件对生猪价格各模态特征的影响.采用全国畜牧总站等机构收集的2000年1月-2009年5月我国生猪价格数据作为样本进行实证分析,研究结果表明我国生猪价格主要由长期趋势模态、17个月为尺度的经济周期模态、51个月为尺度的养殖周期模态,以及短期自调周期模态等四个模态构成,其中长期趋势模态和经济周期模态为主要模态、生猪疫情、自然灾害、政府宏观调控等外部事件只对我国生猪价格的养殖周期模态与短期自调周期模态有影响,而对长期趋势模态、经济周期模态影响不大.

基于结构突变的动态高阶矩Realized EGARCH模型及应用

研究目标:考虑资产收益率条件高阶矩的动态特征以及突发事件对于金融市场的影响,构建基于结构突变的动态高阶矩Realized EGARCH模型,对创业板市场波动率进行预测和风险度量。研究方法:在Wu等(2020)提出的Realized EGARCH-SK模型的基础上,将残差拓展为偏t分布,同时应用修正的ICSS算法识别结构突变点,将其作为虚拟变量引入动态高阶矩Realized EGARCH模型中,并应用稳健损失函数以及(非)条件覆盖检验来综合比较各模型的波动率预测精度和VaR预测准确性。研究发现:考虑条件偏度和峰度动态效应以及结构突变因素的Realized EGARCH模型有助于提高模型的拟合能力、波动率的预测精度和风险度量的准确性;Gram-Charlier扩展分布在模型的拟合能力和VaR预测的表现上明显不如偏t分布。研究创新:将残差拓展为偏t分布同时加入结构突变因素有效改进波动率模型的拟合、预测和风险度量效果。研究价值:丰富了动态高阶矩高频波动率模型,结构突变的监测和纳入可为金融投资者和风险管理者的投资决策提供实质性参考。

基于杠杆效应和结构突变的HAR族模型及其对股市波动率的预测研究

近年来,基于高频交易数据的HAR族模型在对各类金融市场波动率的预测研究中展现出了良好的预测效果.本文在4个经典或前沿的HAR族模型的基础上,考虑杠杆效应和结构突变因素对波动率的预测作用,构建4个带杠杆效应和结构突变的HAR族模型.接着,以上证综指和深证成指的5分钟高频交易数据为研究样本,对上述模型进行样本内和样本外分析,以此检验各成分对股市波动率的预测作用以及比较各模型的预测能力.实证结果显示:已实现波动率,连续波动率,下行波动率,上行波动率,杠杆效应和结构突变成分对股市波动率的预测作用较强,而跳跃波动率,符号跳跃方差对股市波动率的预测作用较弱;带杠杆效应和结构突变的HAR族模型对股市波动率的样本内拟合效果和样本外预测能力都明显优于相对应的不带杠杆和结构突变的HAR族模型,其中大多数情况下LHAR-CJ-SB模型展现出最高的拟合效果和预测精度.以上结果表明,杠杆效应和结构突变因素能有效提高HAR族模型的预测精度,所以在HAR族模型的构建中这两个因素不能被忽视.

猪粮比价变化特征的混合分析模型及实证研究

本文基于集成经验模态分解算法和迭代累积平方和算法相结合的混合分析模型,分解出不同时间尺度的猪粮比价分量序列,再分别进行结构变点检验并结合外部事件进行分析。结果表明,猪粮比价主要受短期自调周期、经济周期、中长期变动以及长期趋势项的影响,其中长期趋势模态和中长期变动模态影响最大;外部事件会对不同周期的模态造成影响,其中政府政策以及重大行业事件主要对猪粮比价的经济周期和中长期变动产生影响,而生猪疫情的影响在各个模态中均有体现。最后,本文针对如何稳定猪粮比价的波动从政府、行业协会和保险公司三个层面给出了建议。