带有市场交易信息和随机微观噪声下的杠杆效应研究

在风险管理中杠杆效应的现象广泛存在,也是金融计量学中的重要议题。高频金融市场中蕴含着丰富的交易信息,而这些信息并不能都看作随机噪声,因此探讨利用市场交易信息并在带有随机噪声模型下研究杠杆效应具有重要意义。本文在带有市场交易信息和随机微观噪声相结合的模型下研究了杠杆效应,提出了新的杠杆效应估计,该估计具有n1/8的收敛速度,同时给出了估计的方差和相关的定理。通过模拟分析得出利用广泛的市场微观信息可以更有效和更精确地对杠杆效应进行估计,模拟的结果表明本文提出的杠杆效应估计具有更好的渐近正态性和更小的偏差。最后将提出的估计应用到实证分析中,发现杠杆效应对未来一天波动率的预测具有显著性影响。

具有舍入误差微观结构噪音高频数据的杠杆效应分析

本杠杆效应反映了股票收益率与其波动率变动之间的负相关关系,它一直是金融研究的核心问题.在高频时间序列数据中,传统的简单相关系数估计是不相合的,为此一些学者给出了新的杠杆效应刻画-积分杠杆效应,并给出该杠杆效应的估计量.众所周知,高频数据易受市场微观结构噪音的干扰,其中舍入误差是非常重要、实际中普遍存在的一类.高频数据被舍入误差噪音污染后,本文研究上述学者提出的杠杆效应估计量的稳健性,获得杠杆效应估计的相合性及渐近正态性,并用随机模拟对结果进行了验证.

分位数回归下的动态单指标变系数模型

本文研究一类新颖的动态单指标变系数分位数回归模型,该模型反映了响应变量与解释变量之间的动态交互效应,并包含许多重要的模型为特例.为提高模型的可解释性和估计的精确度,讨论了模型的半变系数结构.首先,基于B样条方法得到变系数函数和指标函数的估计,采用惩罚函数方法识别模型的半变系数结构,提出了该半参数模型的估计方法.其次,建立了各估计量的相合性和渐近正态性,并且参数估计量和非参数估计量均可达到最优收敛速度.数值模拟表明本文所提出的模型和估计方法具有优良的性质.最后,分析一组NO2数据以展示所提方法在实际应用的表现.

资产价格泡沫何时发生崩溃?——基于LPPL模型的在中国金融市场上的有效性检验

本研究基于对数周期幂律模型LPPL(Log Periodic Power Law Model),针对金融时间序列将一维价格波动翻译成反映市场泡沫微观结构的多维变量。通过对多维变量的动态监测,把握市场中泡沫的演变并预测泡沫破裂的临界点,从而有效降低或防范金融资产泡沫破裂所导致的风险。为检验LPPL模型在中国金融市场中的适用性,本文分别使用上证综指、四个期货连续合约以及两支个股检验模型效果。实证结果表明当金融资产价格序列呈现超指数加速震荡上升或下降时,该模型能获得稳定的估计效果,有效预测泡沫破裂临界时点。