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。     

期权波动率预测及评价

本文阐述了期权理论研究发展,并总结国外20年来有关波动率预测的研究成果,介绍了波动率模型及评价波动率预测的几种方法,提出关于波动率的探讨在学术界还存在许多争议,在做具体预测时仍需要根据实际情况进行对比分析。     

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。     

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。     

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。     

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。     

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。     

基于动态VaR模型的我国银行间拆借市场风险度量研究

本文介绍了一种基于GARCH和非参数法的动态VaR模型——L_VaR模型,用来度量市场风险与流动性风险两者综合风险的大小。并通过采样我国银行间隔夜拆借的高频交易数据,以及SAS软件的数据处理分析发现,GARCH（1,1）模型能较好地拟合隔夜拆借利率的波动情况,而非参数估计法（Boot- strap）能较准确地估计拆借市场流动性的波动水平。实证结果表明。基于动态VaR模型对于市场风险与流动性风险两者综合风险的短期预测效果较为理想。     

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。     

GARCH模型与VaR的度量研究

GARCH模型在金融资产序列波动率的模拟和金融风险VaR的度量中都有着广泛的应用。本文比较研究了RiskMetrics及GARCH族的11种模型分别在正态分布和Skewed-t分布下度量VaR值的精确程度,同时对向前一步预测的VaR值进行了失败率检测法和动态分位数测试。结果表明,Skewed-t分布较好地拟合了金融资产的厚尾特性;在不同的置信水平下,FIGARCH(BBM)、FIEGARCH及IGARCH模型预测的VaR值更加精确,其高估或低估的风险程度较轻。     

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。     

基于分形理论的原油期货高频交易风险测度研究

为了捕捉原油期货高频波动规律,采用WTI原油期货五分钟数据,基于分形理论分别构建GED分布和Skew-t分布的FIGARCH、FIAPARCH和HYGARCH模型,分析其波动特征并对风险进行测度。结果显示：三种模型均较好地刻画出WTI原油期货波动的长记忆特征;基于Skew-t分布的HYGARCH模型在度量原油期货高频交易风险时尤为精确;多头与空头头寸的VaR呈现非对称性;套期保值者或高频交易者可依据模型预测波动率,防止短期波动率过大导致保证金不足而被强制平仓。高频交易在提高市场流动性和拓宽市场深度方面具有一定的作用,因此,在风险可控的条件下,政府应该鼓励高频交易,促进我国衍生品市场繁荣发展,并增强衍生品市场稳定性和国际竞争力。     

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。     

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。     

利用GARCH-M类模型和极值理论对上证综指的研究

金融时间序列具有分布的厚尾性、波动的集聚性等特征,传统的方法难以准确的度量其风险。文中运用一种新的估计VaR和ES的方法,即采取两阶段法。首先用GARCH-M类模型(GARCH-M、EGARCH-M和TGARCH-M)拟和原始收益率数据,得到残差序列;第二步用极值分析的方法分析的尾部,最后得到收益率序列的动态VaR和ES。最后对三个模型的计算结果进行比较。     

基于KMV-Merton模型的上市公司信用风险度量研究

本文结合KMV-Merton模型,对上市公司信用风险度量方法进行比较研究。首先,求得权益收益的条件标准差;其次,通过改进的迭代过程估计KMV-Merton模型中不可观测的资产市值和波动率,进而根据预期违约概率评估上市公司的信用状况,并对两类模型分别得到的违约距离进行了比较分析。     

我国主要证券市场VaR模型估计精度研究

文章首先针对沪市综合指数收益进行了基本的统计,实证数据体现了高风险高收益的一般原则;其次,在二值损失函数标准和平方损失函数双重检验标准下,对三类VaR模型的估计精度进行了实证检验,结果表明:非参数类和半参数类度量模型对于证券市场风险估计的精度较高,而参数类VaR模型的估计精度最差。由于参数类VaR模型主要采用了正态假定且忽略了波动率的聚集性,因此,在一定程度上也说明了我国主要证券市场收益不符合正态性假定且存在波动率聚集现象。     

SPSS统计软件在产品质量控制中的运用——创建控制图

一、引言 SPC（statistical process control）即统计过程控制是运用数理统计和概率论的基本理论和方法，对制造过程的特性和数据进行分析，把制造过程中影响产品质量特性的固有的随机波动和异常原因引起的可控制的波动进行定量分析和分离，根据产品特性波动的趋势预测并控制产品的质量，从而得到最佳过程输出的一种过程控制方法。     

VaR模型及其在金融风险管理中的应用

文章阐明了VaR的基本理论和VaR计算的基本方法,并对常用的VaR模型的计算方法及特点进行了深入的比较分析.文章还对投资组合的VaR进行了实证分析,结果表明VaR模型是一种简单有效的度量金融风险的方法.     

基于VaR框架的银行资产负债管理

VaR（Value at Risk）或称风险价值法是近年来新出现的金融风险管理工具，是一种利用统计思想对金融风险进行评估价值的方法，也是一种常用的市场风险度量技术。文章分析了我国银行资产负债管理方面存在某些不足的原因，提出银行有必要把VaR模型和资产负债管理中结合起来，建立基于VaR框架的银行资产负债管理，对银行的金融风险进行全面管理。