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。     

基于波动率的货币与产出关系检验——来自分位数回归模型的新证据

本文使用1991年1月到2012年3月的样本数据对货币波动率和实际产出波动率之间的关系进行了检验。首先,应用GARCH模型度量货币波动率和产出波动率,进而对二者进行了Granger因果关系检验,发现我国货币供给增长率及其波动率对实际产出增长率及其波动率具有解释和预测能力。其次,使用分位数回归模型研究产出波动率在较小(低分位数)和较大(高分位数)时对货币供给量M0和M1波动率的不同反应程度。最后,提出了稳定产出增长,防止产出剧烈波动的货币政策建议。     

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。     

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。     

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。     

认购权证及标的股票波动率的实证分析

真实波动率是无法观测得到的，但已实现波动率是对真实波动率的一致性估计，由B—S公式计算而得的隐含波动率也是真实波动率的一个估计。文章着重介绍已实现波动率和隐含波动率的计算并在中国股票及权证市场进行实证分析，发现隐含波动率作为真实波动率的刻画具有很大的偏差，有力地说明我国权证市场上的高投机性。     

高维波动率的预测

多维波动率的预测在实际投资决策中是一个重要而困难的问题。本文分析了能够运用到高维情形下的五种波动率模型的预测方法,它们分别是EWMA模型、OGARCH模型、ICGARCH模型、GOGARCH模型和DCC模型等。对两组高维真实数据的波动率进行预测比较的结果显示,ICGARCH模型和DCC模型能够给出比其他三种模型更为准确的预测结果,此外,OGARCH模型EWMA模型要好,而预测效果最差的是GOGARCH模型。     

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。     

基准利率对债券收益波动率的影响

本文利用银行间债券交易市场2003年1月至2011年12月的数据,研究了基准利率对债券收益波动率带来的影响。结果表明,基准利率对国债收益的波动率没有显著的影响;而对企业债券收益波动率具有显著的正向影响,而且,对长期债券收益波动率的影响大于短期,以央行票据利率表示的基准利率对波动率的影响大于以银行间同业拆放利率表示的基准利率对波动率的影响。     

资产收益率跳扩散过程的混频数据估计：一个波动率回馈框架

本文提出一个利用混频数据估计资产波动率的框架,该框架使用日内高频数据构造蕴含潜在发生概率的跳跃和扩散波动指标,以外生的滞后项进入回馈函数,既能充分利用样本信息,又能避免无限滞后期的回馈影响。在对沪深300指数的实证分析中,考虑一个跳跃对扩散波动具有非对称性溢出效应的双向波动率回馈模型。相对于基准模型,这一模型对数据的描述更优。分析结果显示,两类波动间存在正向回馈效应：跳跃向扩散的溢出导致自回归条件异方差（ARCH）系数存在两个区制且区制内的变异性明显;扩散向跳跃的溢出致使跳跃强度的自相关性在极端市场环境中出现强化。波动率回馈机制使得信息释放后价格反复调整变化,导致波动率高企;熔断事件折射出A股信息流质量差、融解效率低等问题。由此可以得出结论：相关监管和交易制度亟待完善。     

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。     

羊群效应对沪深300指数波动率的影响分析

文章分析在沪深300指数上羊群效应对波动率的影响。首先提出一种基于日内交易数据和游程理论度量羊群效应的方法。然后对波动率进行消除日历效应和交易量的影响,得到一个新的波动率序列。最后分析羊群效应对波动率的线性影响。结果证实,羊群效应对所考虑的波动率指标有直接的线性影响。     

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。     

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。     

次级债定价问题研究——以美国房债次级债为例

通过商业银行次级债看成以银行价值为基础资产的期权组合,通过波动率微笑方法修正,应用实物期权模型对其进行定价。     

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。     

利率变化对上证指数日收益率及波动率影响的实证分析

本文利用引入虚拟变量的GARCH-M模型,选取适当的样本数据,分析了央行在2000年以后4次基准利率调整对上证指数日收益率和波动率的影响。实证结果表明,并非每次的利率调整对上证指数的日收益率都有显著的影响,而且不同时期的利率调整对上证指数的日收益率和波动率的影响是不相同的。     

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.     

现金流波动性对企业价值的影响研究

在公司金融理论领域,公司价值的影响因素得到了广泛的关注,其中经营和盈利状况是关键性指标。由于上市公司管理层存在自身激励进行盈余管理,应计会计使得公司所面临的经营和盈利波动被掩盖,市场往往通过识别现金流的波动状况给予公司相应的估值。文章以2003—2012年沪深上市公司可得财务数据为样本,通过构建混合截面数据并进行多元回归分析对现金流波动性与企业价值之间的关系进行了探索,结果表明现金流波动率与企业价值显著负相关,现金流波动率每提高1%,公司价值对应降低0.07%。因此,在信息披露制度日益完善的今天,上市公司管理层应当通过风险管理手段降低现金流波动率,从而提高公司的市场价值。     

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。