基于股市高频数据的半参数估计方法

针对非参数方法研究国内股市长记忆性时结论参差不齐的现状,本文研究了更为稳健的半参数估计方法,即局部W h ittle(LW)估计和对数周期图(LP)回归。通过对不同频率高频数据的分析,证实了LW估计方法尽管需要数值最优化,但仍然要优于LP回归。进而将LW估计首次应用于中国股市,结果表明不同频率绝对收益序列的长记忆强度基本一致;同时发现,重大突发事件发生时的长记忆性表现得最为强烈,且事件后比事件前表现的要强烈,这说明股票市场的溢出效应在事件后增强,此项结论对我国证券市场有一定的借鉴意义。

附加噪声长记忆过程的半参数估计方法研究

附加噪声长记忆过程的参数估计在实证研究中一直受到回避。本文通过聚合算子对样本数据进行降噪处理,研究了局部Whittle(LW)估计和对数周期图(LP)回归两种半参数估计方法。结果表明LW估计方法相比LP回归,解决了半参数方法的参数选取问题,且能够完全忽略噪声数据的影响而得到一致的估计。将LW估计应用于中国股市,发现重大突发事件发生时的长记忆性表现得最为强烈,且事件后比事件前要强烈。

牛熊市视角下我国股市波动率的长记忆性研究

为更好地理解我国股票市场运行状态,使用局部Whittle(local Whittle,LW)半参数法分别估计了沪/深股市在牛/熊市阶段波动率的长记忆性强度.实证结果显示:沪(深)市波动率在牛/熊市阶段均存在显著的长记忆性,且熊市波动的长记忆强度要大于牛市;在牛(熊)市阶段,沪市波动的长记忆强度大于深市,且两者的差异在牛市阶段更为明显.特别的,对波动序列作了长记忆真伪性检验,增强了估计和解读的合理性.

股票市场历史信息的长记忆性特征研究

回顾历史是为了预测未来,历史能够蕴含事物发展的脉络和内在规律。那么投资者能否通过对股市历史的分析来制定投资决策以及预测未来走势?文章选择中国沪深两市指数、亚洲有代表性的日经225指数以及在世界金融市场有重要影响的标准普尔500指数为研究对象,运用动态估计方法,对股市长记忆性的时变特征进行分析,探讨股票市场历史信息的可鉴性;除采用修正R/S方法、LW估计外,又加入较为新颖的ELW和FLW两种方法作为对比。实证结果表明,虽然几种方法得出的时变长记忆参数并非完全相同,但是有关股市长记忆性的结论基本一致;股市收益序列在整个样本区间并未表现出显著的长记忆性,但在极端事件发生时,收益序列会表现出显著的相关性,体现了股市长记忆性的时变特征,此时可以通过对历史数据信息的分析,达到规避极端风险的目的。