运用2000年1月4日至2008年12月31日上证综指每5分钟的高频金融数据,采用核估计量估计中国股市高频波动率序列,运用修正的已实现门阀多次幂变差估计中国股市高频波动率的跳跃序列,实证分析中国股市高频波动率跳跃的各种特征,并运用ACD模型、ACH模型以及扩展的ACH模型进一步分析中国股市高频波动率跳跃的持续期的特征。研究结果表明,中国股市高频波动率及其跳跃都具有集聚的特征,高频波动率发生显著跳跃的比例相当高,高频波动率跳跃的幅度、强度和跳跃幅度的分布都具有时变性,而跳跃对高频波动率的贡献却具有相对稳定性;在样本期,中国股市高频波动率跳跃表现出较强的正相关性,且跳跃的持续期存在较强的长记忆性和...

中美贸易摩擦备受各界关注,研究中美贸易摩擦对中国金融市场波动率的冲击具有时代意义。本文基于HAR-RV事件拓展模型及日内跳跃Logistic模型,量化分析了中美贸易摩擦事件对中国沪深300指数及受加增关税影响的行业指数(农产品、通信设备、专用设备、医疗器械、铁路运输、航天装备)造成的影响。本文研究发现,中美贸易摩擦事件对这些指数均会产生迅速且短暂的冲击;美国制裁公告比中国制裁公告对中国市场的影响更大;通信设备与医疗器械行业受美国制裁公告影响程度最大;引入贸易摩擦事件会加强波动率预测模型样本内外的预测效果。本文实证结果可为政策制定者防范系统性金融风险提供参考。

本文以跳跃扩散过程为理论基础,利用2003年1月至2010年12月的上证综指5分钟高频数据,通过波动跳跃显著性检验方法与HAR-RV-J模型,探讨了在不同发展阶段上中国股市波动的跳跃特征与波动率模型的预测能力。实证研究的结果表明,越是波动激烈的时期,发生显著跳跃的频率越多、波动跳跃的幅度与强度越大;中国股市的波动跳跃包含着许多有利于改善波动预测的有效信息;股市的异常波动使得对波动预测的准确性大打折扣,市场变得更加难以预测。

采用修正的已实现门阀的多次幂变差和C_TZ统计量,利用上证综指2000年1月4日至2008年12月31日每5分钟的高频数据估计了中国股市波动率的跳跃成分,通过构建AHAR模型、AHAR-CJ模型、AHAR-C_TCJ模型及其各自的标准差形式和对数形式模型,实证研究了跳跃对中国股市波动率预测的影响。结果表明:跳跃对中国股市未来的日、周和月的波动率预测都存在显著的正向影响;加入修正的已实现门阀多次幂变差估计的跳跃成分后,标准差形式和对数形式的AHAR-C_TCJ模型能显著提高对日、周和月波动率的预测精度。

准确的波动率预测对资产组合配置和风险管理有非常重要的意义,在当今大数据时代,充分利用股市高频数据预测股票波动率成为可能。股市高频信息的一种应用是使用已实现方差和它的组成部分预测股票波动率。已实现方差可以拆分为已实现负半方差和已实现正半方差两个部分。由于已实现负半方差和已实现正半方差极限形式中包含的连续运动部分完全一致,所以它们的不同仅来源于它们跳跃部分的差异,但连续运动部分的存在是否会"稀释"股价跳跃对波动率所产生的影响,为此有必要进一步提取负跳跃和正跳跃。基于负跳跃变差和正跳跃变差,利用HAR模型研究两种不同方向的跳跃是否对波动率产生不对称影响,使用DM统计量和样本外R_(os)~2作为评判标准,考察这种区分跳跃方向的做法是否改进了对波动率的预测能力。研究结果表明,①负跳跃对应未来波动率上升,正跳跃对应未来波动率下降。作为风险规避者的投资者厌恶风险和不确定性,意味着投资者厌恶未来波动率上升而偏好未来波动率下降。因此,将股价的负跳跃称为"坏"跳跃,将股价的正跳跃称为"好"跳跃。②"好"跳跃导致未来波动率下降,而连续运动部分的上升导致未来波动率上升,两者效应的总和是已实现正半方差对未来波动率的影响不显著;"坏"跳跃和连续运动部分的上升都导致未来波动率上升,两者效应的总和是已实现负半方差对未来波动率产生显著的正影响。③利用"坏"跳跃和"好"跳跃不但能够更好地拟合样本内的未来波动率,而且还能够明显地改善波动率的样本外预测能力。研究结果支持日内收益率的正负符号信息在波动率预测领域有其价值,两种不同方向的跳跃对波动率产生不对称影响。在波动率预测实践中,利用"坏"跳跃和"好"跳跃能够改进对波动率的预测能力。

基于非参数统计方法,利用考虑金融资产价格跳跃和杠杆效应的时点波动估计方法修正已实现阈值幂变差,构造甄别跳跃的检验统计量,对金融资产价格中的随机波动、有限活跃跳跃和无限活跃跳跃等问题进行综合研究。为同时吸收波动率的异方差集聚效应和收益率的非对称效应,对原有的已实现波动率异质自回归预测模型进行拓展,将非对称的异质性自回归模型的误差项设定为GARCH模型,以考察跳跃波动序列与连续波动序列之间的复杂关系。利用沪深股指高频数据进行实证研究,包括进行跳跃识别,跳跃活动程度检验和波动率预测效果对比。研究结果表明,沪深股市同时存在布朗运动成分、有限活跃跳跃和无限活跃跳跃成分,其中连续路径方差占主体。同时,收益和波动间的杠杆效应显著,无论短期还是长期,连续波动和跳跃波动对波动率的预测均具有显著影响,同时考虑股价的跳跃、波动和杠杆效应因素有助于更准确地刻画资产价格动态过程。

本文改进了Andersen等(2010)的资产价格日内序列跳跃检验方法:基于Corsi等(2010)的方法检验跳跃存在性,提高了跳跃存在性检验的功效;使用Mancini&Reno(2011)的时点方差估计量对价格改变量进行标准化,得到更为合理的跳跃发生时段和跳跃幅度。基于改进后的序列跳跃检验方法对上证综指和深证成指日内高频数据的实证研究表明,在5%的显著性水平下,在样本时期内,多于1/5的交易日有跳跃发生,跳跃性方差占总的已实现方差的比例约为7%;一周中,周一和周五发生跳跃的次数明显多于其他交易日,一交易日中,跳跃多数发生在开盘后的半小时内;正向跳跃次数多于负向跳跃次数,跳跃幅度的分布具有双峰...

结合日内跳跃识别方法和马尔可夫机制转换模型,对已实现波动率异质自回归模型(HARRV)进行拓展,以刻画连续波动、跳跃波动以及不同方向跳跃波动对未来波动影响的差异和波动的结构转换特征,并运用该模型对上证综指和深证成指高频数据进行实证分析。研究结果表明:在短期内,连续波动和跳跃波动对未来波动影响具有显著的差异;负向跳跃和正向跳跃往往同时发生且幅度相当,但负向跳跃波动对未来波动的影响更大;在不同波动状态下,历史波动对未来波动的影响存在较为明显的差异。MCS检验结果显示,区分跳跃波动方向和考虑波动的结构转换特征可以显著提升模型的样本内和样本外的预测能力。

选取新冠肺炎疫情暴发前后上证综合指数和标普500指数的日内与隔夜收益率数据为样本，分别基于跳跃相依随机波动率（SVCJ）模型和广义自回归得分（GAS）模型实证研究了中美股市之间的跳跃溢出效应（包括溢出概率、强度和幅度）以及跳跃对未来波动的影响。相关结论如下：中美股市在疫情暴发前后均存在跳跃成分；中国股市对美国股市的跳跃溢出概率更高、强度更大；中美股市的跳跃溢出概率和强度存在一日滞后效应；跳跃对中国股市未来波动的影响更加深远，美国股市存在跳跃杠杆效应。这些结论对公共卫生突发事件下投资决策和金融监管具有一定的意义。

高频数据中的噪声和价格跳跃使得波动的估计缺乏一致性,本文提出用门限预平均实现波动的方法估计同时存在市场微观结构噪声和价格跳跃时高频价格波动,该方法是资产价格实际波动的一致估计,并有最优的收敛速度。模拟发现,门限预平均实现波动和常用的高频波动估计方法相比,有更小的均方误差。中国证券市场的实证分析表明,门限预平均实现波动能减少波动预测误差,得到更为精确的风险管理价值。

股票价格包括连续和跳跃两个部分,本文基于股市高频数据将中国股市的已实现波动分解为连续性波动和跳跃性波动,通过建立多元线性回归模型和Tobit模型,研究了存款准备金政策和利率政策对不同类型股市波动的影响。研究表明,存款准备金率调整的信息发布对连续性波动没有显著影响,但对跳跃性波动存在显著的影响;存款准备金率的实际调整对连续性波动、跳跃性波动均存在显著影响,但跳跃性波动更多地受到了信息发布时的影响;利率政策的调整对连续性波动和跳跃性波动存在显著影响,中国股市对利率政策变化提前作出反应。

股票市场收益率通常小幅波动,但是当市场出现重大或者异常信息时,收益率会在短时间内发生大规模的运动,产生跳跃性变化,市场波动率也明显加剧。本文采用Jump-GARCH对沪深两市A股B股的这类跳跃性特征进行实证分析。根据该模型:当收益率小规模变化时,波动率由GARCH(1,1)平稳随机过程产生,但是当收益率发生跳跃性变化,波动率将背离GARCH(1,1)过程,调整到一个较高的水平。实证结果表明,该模型能够有效地估计出沪深两市收益率和波动率的跳跃性变化,比正态分布的GARCH模型更合理地反应了市场收益率和波动率过程。本文同时讨论了A股B股的跳跃性特征。

本文利用2003年12月至2010年12月A股和H股的指数收益率数据,采用ARJI-Trend模型,识别中国A股与中国香港H股的波动结构成份:长期波动、短期波动和跳跃波动,在此基础上,比较研究两个市场波动结构的差异及风险溢出成份。研究发现,两个市场存在高度持续性的长期波动,H股的短期波动和A股的跳跃波动在自身总波动中均占有较高比重,且两个市场间存在双向的短期波动溢出及A股对H股的单向长期波动溢出,两个市场的投资者对异常事件的判断存在异质性。

金融资产收益率波动是资产定价和金融风险管理的核心部分,而跳跃是收益率波动中的重要组成部分。基于修正Z-检验,本文检测识别我国股市波动中跳跃行为,并且研究了跳跃的时序特征,统计结果表明,在市场大波动时期,和连续成份相比,跳跃对于波动率具有极其重要的贡献。建立包含跳跃的已实现波动率非齐次自回归模型,在波动模型中纳入滞后绝对日收益率和杠杆效应预测股指收益率波动。实证分析结果显示,对于短期的波动预测,包含跳跃和两种影响因素的波动模型表现最好,然而对于提前1月的长期预测,跳跃和连续波动成份分离模型预测明显优于其它模型,这些事实说明跳跃对股指波动率预测具有重要的影响,好坏消息对波动率非对称性具有短期显著影...

本文以小波变换为工具,借助于小波方差研究股市高频数据收益率和波动率的长记忆性。结果表明,沪市高频数据的长记忆性总体上比深市大;在不同尺度上,沪深两市长记忆大小的关系并不稳定;高频数据波动率的长记忆性大于收益率的长记忆性。