基于条件极值分布的金融高频数据VaR动态估计模型

高频数据由于自身数量大、周期短、信息丰富的特点而受到关注。基于高频数据。对金融时间序列的厚尾特征进行条件极值分布下的VaR估计。在对条件均值和条件波动率估计时,以往采用一阶自回归模型和GARCH模型,但基于高频数据的估计较为繁复。为了充分利用日内信息,基于高频样本观测值,建立已实现均值RM模型,在考虑市场异质性的基础上,对条件均值进行估计。通过对TCL股票价格进行实证分析,估计出VaR风险值,验证模型是合理的。     

高频数据下基于组合预测思想的统计套利策略创新设计与实证研究

采用两只股票的日数据和5种高频数据,借鉴组合预测思想,综合利用协整模型和新卡尔曼滤波模型,与统计套利策略具体目标相结合,设计出新统计套利组合策略,实证分析数据频率、策略选择对统计套利效果的影响。结果表明：运用高频数据及引入卡尔曼滤波模型均有效,但卡尔曼滤波模型与协整模型不存在明显优劣之分,选择组合策略是必要的;组合策略收益性显著优于采取单一模型的套利策略;组合策略下的套利组合随数据频率提高,收益率波动性更小、更稳定;组合策略接近市场中性,能很好地免疫市场风险。     

基于实现极差和实现波动率的中国金融市场风险测度研究

目前比较流行的金融市场风险价值研究一般采用日收益数据,并基于GARCH类模型进行估计和预测。本文利用沪深股指日内高频数据,分别通过ARFIMA模型和CARR模型对实现波动率和较新的实现极差建模,计算风险价值。通过对VaR的似然比和动态分位数等回测检验,实证分析了各种模型的VaR预测能力。结果显示,使用日内高频数据的实现波动率和实现极差模型的预测能力强于采用日数据的各种GARCH类模型。     

高频价格数据信息对资产组合动态风险测度的影响研究——基于实现协方差矩阵模型的分析

组合风险的估计和预测一直都是风险管理中非常重要的一个方面。本文使用了利用高频数据信息的实现协方差矩阵、DCC-MVGARCH多元波动率模型、Risk Metrics模型和多元正交GARCH模型对沪深两市的指数资产组合风险在险价值的预测失败率进行了对比,并利用动态分位数检验方法对各模型的组合风险测度稳健性进行了对比研究。研究结果证明,基于高频数据的实现协方差矩阵模型能够显著提高组合风险测度的预测精度,且严格符合Va R置信区间所要求的失败率,能够很好地在提高资金使用效率与管理资产组合风险敞口间取得平衡。     

中国证券市场的股票异动:界定及预测

本文以中国中小企业板和创业板上市公司为研究对象,从股价或股票交易量角度构建适合中国证券市场股票异动的界定方法,并引入最优参数下的支持向量机(SVM)模型对股票异动开展预测研究,进而对各分类模型的预测精度进行比较,最终就最优参数下SVM模型的稳健性进行讨论。结果表明,基于SVM的股票异动预测模型,在中小企业板和创业板中最优参数选择相似,且都具有接近的样本判错率、第1类错误率和第2类错误率;基于企业SVM的股票异动预测模型不仅具有良好的稳健性,且比其他分类模型具有更优秀的预测性能。     

混频微观产业类数据预测宏观经济的方法初探

传统的宏观经济变量预测使用相同频率的数据，将高频数据统一成低频，但这种做法可能会人为消除一部分高频数据所带来的信息，影响预测的准确性和及时性。本文使用拐点匹配和格兰杰因果检验找出合适的微观产业数据作为解释变量，使用混频数据抽样回归（MIDAS）将不同频率的数据进行回归并检验其预测效果。实证研究表明：使用MIDAS回归对PPI、M1同比增速、M2同比增速的预测效果较好。因此，在进行产业和货币政策制定时，采用MIDAS回归可以获得较好的预测精度。     

人民币汇率波动的预测——基于损失函数和DM检验的比较分析

随着人民币汇率市场化程度的不断加深,人民币汇率的波动越来越大,对人民币汇率波动的预测显得越来越重要。现有文献都只通过单一的模型来预测人民币汇率的波动,我们无法据此确定哪一种模型对人民币汇率波动有更好的预测能力。本文选取常用的预测金融资产波动率的指数平滑模型、ARCH模型和GARCH模型,采用动态时间滚动窗口技术,对2005年以后的人民币汇率波动进行了拟合和样本外预测,并通过损失函数的计算和DM检验方法比较了各模型对人民币汇率波动的样本外预测能力。结果发现,相对于ARCH模型和GARCH模型,指数平滑模型具有最优的波动预测能力。     

提升算法对传统车险索赔频率建模模型的改进——基于我国五省交强险保单数据

广义线性模型作为非寿险定价的经典模型,在非寿险定价中得到了广泛的应用。近年来,以提升算法为代表的机器学习算法在保险领域取得了很好的效果,为保险产品定价提供了一种新的选择。本文将提升算法思想分别融入到回归树模型和广义线性模型(GLM)中去,用得到的新模型对我国车险索赔频率进行预测建模分析,并与传统的回归树模型和GLM进行比较。结果表明,加入提升算法后传统车险索赔频率建模模型的效果得到了很大的改善,并且在不存在过拟合的前提下,随着模型深度和迭代次数的增加,模型的效果也在不断优化。     

我国股市“已实现”波动率最优频率选取研究

近年来,随着高频数据的可获取,已实现波动率成为金融研究领域的热点,而抽样频率的选择对准确估计已实现波动率至关重要。最优抽样频率理论上应能较好的平衡测量误差和微观结构误差的存在,本文结合国内外的研究经验,给出了一种适合我国股票市场已实现波动率最优抽样频率的选取方法,并实证得出我国股票市场最优抽样频率为15分钟。     

我国股市“已实现”波动率最优频率选取研究

近年来,随着高频数据的可获取,已实现波动率成为金融研究领域的热点,而抽样频率的选择对准确估计已实现波动率至关重要。最优抽样频率理论上应能较好的平衡测量误差和微观结构误差的存在,本文结合国内外的研究经验,给出了一种适合我国股票市场已实现波动率最优抽样频率的选取方法,并实证得出我国股票市场最优抽样频率为15分钟。