期权隐含波动率估计

隐含波动率是一个重要的风险指标。本文用牛顿法对其估计并讨论波动率笑容的成因以及在此情况下的估计方法。     

波动率预测:GARCH模型与隐含波动率

在预测未来波动率时,究竟是基于历史数据的时间序列模型还是基于期权价格的隐含波动率模型效率更高?本文对香港恒生指数期权市场所含信息的研究发现,在预测期限较短(一周)时,GARCH(1,1)模型所含信息较多,预测能力最强,但在预测较长期限(一个月)时,隐含波动率所含信息较多,预测能力较强。同时,期权市场交易越活跃,所反映的信息就越全面,隐含波动率的预测能力也就越强。     

中国内地认股权证的波动研究——以石化权证为分析特例

权证市场价格的异常波动是投资者和监管者热切关注的问题。试图通过实证分析得出中国内地权证的价格波动特点;并从主客观方面分析导致权证价格异常波动的原因。因此,为了减少投资者的投资风险,客观上需要完善权证市场机制,主观上需针对投资者的心理对投资者进行引导教育,同时,完善证券市场的信息披露制度,加强市场监管。     

高频数据下积分波动率矩阵的伪似然估计、预测及应用

研究目标:利用高频数据准确估计和预测高维积分波动率矩阵,并将矩阵的预测值应用于资产投资组合的构造中。研究方法:通过保留p×p维已实现波动率矩阵的特征向量,对积分波动率矩阵的特征值进行预测,本文将积分波动率矩阵的估计和预测问题转化为p个一维积分波动率的估计和预测问题。研究发现:对高维已实现波动率矩阵过于发散的特征值进行调整能够提高矩阵估计的准确性;对资产收益率的积分波动率矩阵建立动态模型可以提高矩阵预测的精度。研究创新:将高维矩阵的估计和预测问题转化为矩阵特征向量的估计以及一维特征值的估计和预测问题;基于高频数据并建立资产收益率积分波动率矩阵的动态模型提高了资产投资组合的样本外表现。研究价值:本文提出的积分波动率矩阵估计和预测方法能够保证矩阵估计值和预测值的正定性;本文的预测方法能够提高矩阵的预测精度,能够在复杂的金融市场中构造低风险的资产组合。     

波动率度量方法的比较分析——基于LHAR-RV-EVT风险管理

在比较分析已实现波动率（RV）、双幂变差已实现波动率（BPV）、截断双幂变差已实现波动率（TBPV）、两尺度已实现波动率（TRSV）以及已实现核波动率（RKV）五种高频数据波动率度量方法的理论性质基础上,结合异质自回归已实现波动率（HAR-RV）和GJR-GARCH思想,本文构建LHAR-RV-EVT模型对VaR进行预测,并使用上证指数1分钟数据进行实证分析,结果表明LHAR-RV-EVT能够较为准确地预测VaR、TBPV和BPV优于其他三种波动率度量方法。     

随机波动率LIBOR市场利率动态模型的理论估计与蒙特卡罗模拟

本文首先基于诸多Libor市场模型改进方法的基础之上,在标准市场模型中加入Heston随机波动率过程,建立随机波动率假设的新型Libor市场模型;其次,运用Black逆推参数校正方法和MCMC参数估计方法对该Libor利率市场模型中的局部波动率和随机波动率过程中的参数进行校正和估计;最后是实证模拟。研究结论认为,在构建Libor利率动态模型时,若在单因子Libor利率市场模型基础上引入随机波动率过程,可大大提高利率模型的解释力。     

波动率度量方法的比较分析——基于LHAR-RV-EVT风险管理

在比较分析已实现波动率（RV）、双幂变差已实现波动率（BPV）、截断双幂变差已实现波动率（TBPV）、两尺度已实现波动率（TRSV）以及已实现核波动率（RKV）五种高频数据波动率度量方法的理论性质基础上,结合异质自回归已实现波动率（HAR RV）和GJR GARCH思想,本文构建LHAR RV EVT模型对VaR进行预测,并使用上证指数1分钟数据进行实证分析,结果表明LHAR RV EVT能够较为准确地预测VaR、TBPV和BPV优于其他三种波动率度量方法。     

异质金融市场驱动的已实现波动率计量模型

本文根据金融高频数据的典型特征和异质市场假说,首次提出了异质市场驱动因素的分层结构,并借此构建了已实现波动率的HAR-L-M计量模型。模拟分析显示出该模型的合理性和优越性,样本内、外预测都说明HAR-L-M模型优于现有已实现波动率HAR模型和ARFIMA模型。最后的实证分析结果显示,中国市场的异质程度要强于美国证券市场,同时个股更容易受多种异质驱动因素的影响,个股稳定性要比股指差。     

基于ARCH类模型的国债市场波动率研究

本文运用自回归条件异方差（ARCH）类模型对我国国债市场（包括银行间国债市场和交易所国债市场）的波动率进行实证分析，结果显示：我国国债市场具有波动率集聚的特征，存在ARCH效应，不存在杠杆效应和高风险、高收益特征，同时国债市场的波动具有很强的持续性。     

序列相关的微观结构噪声估计

基于股票有效价格计算的已实现波动率(Realized Variance)可作为股票收益波动率的估计,且在一定条件下,这一估计是无偏的和一致的。然而实际观测到的价格由于受到市场微观结构导致的噪声的干扰,与有效价格并不一致。因此,在高频数据环境下必须考虑如何降低噪声干扰。本文基于Hansen和Lunde给出的在噪声序列存在相关性假设下的一种关于RV的无偏估计,进一步推导出在此情形下估计噪声方差的方法。我们的估计挖掘了不同频率下的股票交易高频数据所反映出的信息,利用传统的在噪声影响下的有偏RV估计与Hansen和Lunde的无偏RV估计之间的差估计噪声。同时,本文也给出了在实践中如何确定这些频率的方法。     

GARCH模型能否提供好的波动率预测

由于波动率在投资、期权定价等方面极为重要，近20年来，预测金融市场的波动率已成为金融领域理论上和实证上的热门话题。本文详细讨论了预测波动率的几个常用的模型和衡量指标，并回顾了这方面的文献。运用模型分析了1999～2004年欧元、日元、英镑、澳元等四种货币兑美元的汇率。最后进行波动率的预测并对各种预测效果进行评估。     

B-S模型对我国资本市场影响研究——基于权证实际价格与理论价格偏离率视角

本文通过调整B-S模型对我国资本市场上权证实际价格与理论价格的偏离率进行了研究,在此基础上分析了我国资本市场的巴恩斯实现效应。研究发现,我国权证的实际价格与理论价格存在很大偏离,尤其是认沽权证现象明显,B-S模型对我国资本市场的巴恩斯实现效应微弱。据此提出了政策建议。     

股指期货改变盈利手法

从长期看股指期货不会改变市场的运行方向，但会收敛市场波动，多元化的盈利模式使A股市场的长期波动率可能收窄。     

基于GARCH类模型的权证时变VaR值估计

由于权证收益率分布具有尖峰厚尾和非对称性的特征，其市场风险的估算运用GARCH类模型比较合适。本文选取包钢JTB1的日收盘价格序列为样本，分别用EGARCH、TGARCH模型估计样本期间内日VaR值，并进行了比较。结果表明，EGARCH模型较好地预测了损失结果，而TGARCH模型则低估了风险。因此，基于EGARCH模型对VaR值的计算能更好地反映权证收益率的波动特征和准确预计损失，可以为权证的风险管理提供较为可靠的风险度量工具。     

商业银行资产额波动率的估计

本文假设银行的资产额遵循一个几何布朗运动,并在此基础上推导出银行资产波动率无偏估计的一般公式,最终利用中国建设银行的数据进行实例研究。     

期权定价模型的离散化矩估计

在本文中，把期权定价模型中的漂移项为一个常数，波动率假定为一个Ornstein—Uhlenbeck过程，在一定的条件下，把模型转变成唯一个双线性自回归EV模型，然后对其中的m（·）函数进行离散化后，通过矩估计的方法估计m（·）函数的系数，从而得到波动率σ的矩估计。     

权证市场和基础市场关系研究——基于二元GARCH模型的实证分析

本文首先通过建立ARIMA(p,0,q)模型将交易量变动率分成预期的和非预期的两个变量,然后列入到二元GARCH(1,1)模型的条件均值方程中,来研究股票市场和权证市场之间的信息不对称关系。同时通过使用BEEK模型的设定形式作为GARCH模型的条件方差方程,来研究股票市场和权证市场之间的交易量波动溢出关系。通过实证研究,结果表明我国的股票市场和权证市场之间确实存在显著的信息不对称效应和双向的交易量波动溢出效应,且这种波动溢出现象也具有一定的"不对称性"。     

商业银行资产额波动率的估计

本文假设银行的资产额遵循一个几何布朗运动,并在此基础上推导出银行资产波动率无偏估计的一般公式,最终利用中国建设银行的数据进行实例研究.     

期权隐含波动率估计

隐含波动率是一个重要的风险指标。本文用牛顿法对其估计并讨论波动率笑容的成因以及在此情况下的估计方法。     

沪铜期货价格波动的影响因素分析

本文基于2019年11月29日到2022年11月29日的沪铜期货价格数据，经过相关的模型检验后，将ARMAGARCH模型拟合波动率，利用滞后5阶的VAR模型分析沪铜期货价格波动率的影响因素。可以得出以下三点结论：一是工业发展、国际货币市场发展和国内货币供应能够对铜期货价格的波动率产生明显的影响；二是我国铜产品受到国际市场的影响较大；三是沪铜期货价格的波动率受到波动率自身和工业增加值的冲击较大。基于此，本文对政策制定者和投资者提出相关政策和投资建议。