中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
以利為利:財政關系與地方政府行為
-
>
立足飯碗 藏糧于地——基于中國人均耕地警戒值的耕地保護視角
-
>
營銷管理
-
>
茶葉里的全球貿易史(精裝)
-
>
近代華商股票市場制度與實踐(1872—1937)
-
>
麥肯錫圖表工作法
-
>
海龜交易法則
非常規突發事件下金融市場波動及預測研究 版權信息
- ISBN：9787030700551
- 條形碼：9787030700551 ; 978-7-03-070055-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
非常規突發事件下金融市場波動及預測研究 本書特色
適讀人群 ：相關專業研究生選讀，也可供從事本方向的研究人員以及科技人員專著以重大突發事件沖擊下金融市場波動為基本研究對象，結合重大突發事件的影響機理，應用現代統計方法，利用時頻特征探討金融市場波動的內在變動規律及特征，同時構建重大突發事件影響下金融市場波動預測的統計模型
非常規突發事件下金融市場波動及預測研究 內容簡介
專著以重大突發事件沖擊下金融市場波動為基本研究對象，結合重大突發事件的影響機理，應用現代統計方法，利用時頻特征探討金融市場波動的內在變動規律及特征，同時構建重大突發事件影響下金融市場波動預測的統計模型。通過理論和實證研究厘清近期重大突發事件對國內外主要金融市場風險傳導的主要方式及路徑。項目研究將豐富現有金融市場波動的統計理論研究，深刻認識重大突發事件沖擊下金融市場波動的主要變化規律，力求更清晰刻畫金融市場在事件影響下的復雜交互變化關系，為進行金融風險預警與維持金融安全與穩定提供決策參考支持。
非常規突發事件下金融市場波動及預測研究 目錄
目錄
第1章 金融市場波動概述 1
1.1 波動率研究背景、問題提出和研究意義 1
1.2 波動率模型研究 8
第2章 已實現波動率模型介紹及其預測 12
2.1 概述 12
2.2 已實現波動率測度及其異質自回歸模型介紹 13
2.3 GARCH族模型、已實現和多分形分整模型介紹 15
2.4 樣本數據來源說明、統計性描述及多重除趨勢分析 19
2.5 樣本外滾動時間窗技術及波動率模型評價比較方法介紹 20
2.6 實證分析 23
第3章 已實現波動率模型預測研究：基于跳躍和正負半變差的視角 26
3.1 概述 26
3.2 跳躍檢驗 27
3.3 含跳躍成分的已實現波動率模型介紹 29
3.4 符號跳躍變差及其波動率模型 30
3.5 實證分析 32
第4章 已實現波動率模型的進一步拓展研究：基于符號收益和符號跳躍變差的視角 38
4.1 概述 38
4.2 含跳躍的符號跳躍變差 39
4.3 基于符號收益和符號跳躍變差的已實現波動率模型 40
4.4 實證分析 43
第5章 非常規突發事件對金融市場影響研究：基于變結構的視角 51
5.1 非常規突發事件與金融市場 51
5.2 非常規突發事件對金融市場收益率影響的存在性研究 55
5.3 非常規突發事件對金融市場收益率波動性影響研究 63
5.4 非常規突發事件對金融市場收益率聯動性的影響研究 70
第6章 非常規突發事件下金融市場波動率預測研究—基于GARCH-MIDAS模型 74
6.1 考慮非常規突發事件影響下GARCH-MIDAS模型構建 74
6.2 基于GARCH-MIDAS模型的金融市場波動率實證研究 80
6.3 基于GARCH-MIDAS模型的金融市場波動率預測研究 85
第7章 非常規突發事件沖擊下多元金融市場相關性影響研究：基于多元GARCH模型 107
7.1 基于GARCH族的金融市場相關性模型 107
7.2 變結構BEKK模型下金融市場相關性建模 111
7.3 變結構BEKK模型下金融市場相關性預測研究 134
參考文獻 138
第1章 金融市場波動概述 1
1.1 波動率研究背景、問題提出和研究意義 1
1.2 波動率模型研究 8
第2章 已實現波動率模型介紹及其預測 12
2.1 概述 12
2.2 已實現波動率測度及其異質自回歸模型介紹 13
2.3 GARCH族模型、已實現和多分形分整模型介紹 15
2.4 樣本數據來源說明、統計性描述及多重除趨勢分析 19
2.5 樣本外滾動時間窗技術及波動率模型評價比較方法介紹 20
2.6 實證分析 23
第3章 已實現波動率模型預測研究：基于跳躍和正負半變差的視角 26
3.1 概述 26
3.2 跳躍檢驗 27
3.3 含跳躍成分的已實現波動率模型介紹 29
3.4 符號跳躍變差及其波動率模型 30
3.5 實證分析 32
第4章 已實現波動率模型的進一步拓展研究：基于符號收益和符號跳躍變差的視角 38
4.1 概述 38
4.2 含跳躍的符號跳躍變差 39
4.3 基于符號收益和符號跳躍變差的已實現波動率模型 40
4.4 實證分析 43
第5章 非常規突發事件對金融市場影響研究：基于變結構的視角 51
5.1 非常規突發事件與金融市場 51
5.2 非常規突發事件對金融市場收益率影響的存在性研究 55
5.3 非常規突發事件對金融市場收益率波動性影響研究 63
5.4 非常規突發事件對金融市場收益率聯動性的影響研究 70
第6章 非常規突發事件下金融市場波動率預測研究—基于GARCH-MIDAS模型 74
6.1 考慮非常規突發事件影響下GARCH-MIDAS模型構建 74
6.2 基于GARCH-MIDAS模型的金融市場波動率實證研究 80
6.3 基于GARCH-MIDAS模型的金融市場波動率預測研究 85
第7章 非常規突發事件沖擊下多元金融市場相關性影響研究：基于多元GARCH模型 107
7.1 基于GARCH族的金融市場相關性模型 107
7.2 變結構BEKK模型下金融市場相關性建模 111
7.3 變結構BEKK模型下金融市場相關性預測研究 134
參考文獻 138
展開全部
非常規突發事件下金融市場波動及預測研究 節選
第1章 金融市場波動概述 1.1 波動率研究背景、問題提出和研究意義 1.1.1 波動率研究背景 對波動率的刻畫和預測是學術界與實務界探討研究的熱點問題，因為它與資產定價理論的檢驗（Aboura and Wagner，2016；Bansal et al.，2014）、*優資產組合的選擇（Guidolin and Na，2006）、衍生品套期保值策略（Balcilar et al.，2016；Basher and Sadorsky，2016）以及金融風險的測度和管理（Brownlees and Gallo，2010；Degiannakis et al.，2013）密不可分。波動率建模和預測的相關文獻中的**句話基本寫的都是波動率的重要性，例如，Martens在其2002年發表在Journal of Future Markets上的Measuring and forecasting S&P 500 index futures volatility using high-frequeney data中的**句話“Forecasting financial market volatility is important in the short and the long run”；Poon和Granger（2003）寫的是“Volatility forecasting is an important task in financial markets，and it has held the attention of academics and practitioners over the last two decades”；Andersen和Bollerslev（1998）寫的是“Volatility permeates finance”；Corsi等（2008）寫的是“Volatility plays an important role both in theoretical developments as well as in practical applications in finance”。由此可見，對波動率的刻畫、建模及其預測都具有極其重要的理論與現實意義。 對波動率的研究由來已久。早期對波動率的研究主要集中在使用日收益率數據，然后用廣義自回歸條件異方差（generalized autoregressive conditional heteroskedasticity，GARCH）模型（Bollerslev，1986）、隨機波動率（stochastic volatility，SV）模型等來刻畫和預測波動率。隨后，已有不少學者（Baillie et al.，1996；Davidson，2004）基于新生變量服從的真實分布以及收益率表現的特征拓展和豐富了GARCH模型，當然已有其他學者對SV模型也進行了一定的擴展（Jacquier et al.，2004；Nakajima and Omori，2009）。不可否認的是，這些模型在一定時期內在波動率刻畫和預測時取得了一定的成就。然而，Carnero等（2004）、Corsi（2009）等認為用日數據來刻畫市場波動率，一方面，損失了日內交易信息，如日收益率的計算公式是相鄰兩天收盤價的對數差，若這兩天的收盤價較為接近，但這相鄰的兩天內市場發生了較大幅度的波動，從日收益率計算公式中是無法體現出來的，因此，用日數據來刻畫金融資產波動率是存在缺陷和不足的。另一方面，這些波動率模型盡管較為成熟，但估計仍存在一定的難度和不便，例如，GARCH(p， q)在選擇滯后階數時，多數文獻選擇滯后1階，這是否合理？即使從統計學的角度出發（赤池信息準則（Akaike information criterion，AIC）和施瓦茨準則（Schwarz criterion，SC）），這是否又能真正反映和刻畫市場波動率呢？然而，這些都是值得商榷的。另外，由于資產收益率的條件方差并無法直接觀測，需要通過極大似然值及馬爾可夫鏈蒙特卡羅（Markov chain Monte Carlo，MCMC）等復雜的方法予以估計模型中設定的參數，盡管隨著計算機性能和編程技術的提升，已有不少計量軟件（如EVIEWS，RATS）可以對這樣的波動率模型進行估計，但這些模型仍存在這樣或那樣的不足，例如，這些波動率模型并不能很好地刻畫資產收益波動率的典型特征，如長記憶性、尖峰厚尾等。 需要特別注意的是，Andersen和Bollerslev（1998）基于日內高頻數據提出了已實現波動率（realized volatility，RV）這一新穎的概念，然后Andersen等（2001，2003）及Barndorff-Nielsen和Shephard（2004，2006）作出了開創性的理論和計量工作，認為RV作為市場的真實波動率具有較好的無偏性和穩健性等優點，與用日收益率的平方和極差等相比，具有更少的市場噪聲。隨后，用RV來刻畫真實市場的波動率和用其建模及預測等逐漸成為近年研究波動率的熱點方向（Akram et al.，2009；魏宇，2009；馬鋒等，2015）。另外，RV的定義是所有日內收益率的平方和，即具有無參數、估計簡便等優點，這也是進一步促進它成為明星波動率測度方法不可忽視的原因。 基于日極差波動率和Andersen等（2001，2003）、Barndorff-Nielsen和Shephard（2004，2006）的思想啟發，Christensen和Podolskij（2006，2007）提出了基于日內高頻數據的已實現極差波動率（realized range-based volatility，RRV），在Sciencedirect期刊數據庫中以“Realized Range-based Volatility”為關鍵詞進行全文搜索，可檢索到幾萬篇相關的文獻（Sou？ek and Todorova，2013）。RRV的計算方法略比RV復雜，然而其計算步驟與日極差的非常類似，唯一不同的是它是日內所有能獲取極差收益率的平方和，但該測度方法依舊計算簡便，且無參數估計。RRV作為另一種波動率的測度方法，也受到了學術界的廣泛關注（Tseng et al.，2012；唐勇和張世英，2006）。 鑒于此，本書將基于上述兩種高頻數據下計算的波動率統稱為非參數波動率，這也是本書前半部分的思想。隨后，學術界將兩種波動率測度方法進行了各種建模，然后用它們研究描述和預測各市場波動率，進一步拓展到套期保值、投資組合*優、風險控制及測度等研究領域。因此，基于高頻數據下的波動率測度形成了一個新的研究視角，極大地豐富了波動率的研究層面和研究內容。而本書正是基于這一研究背景，對它們進行建模以及構建新的變量期望改進已有模型的預測精度，另外結合投資組合的研究視角，進一步提升新構建的波動率模型和新的變量為投資者所帶來的經濟利益。眾所周知，如果一個模型的判斷標準僅僅從計量的角度出發，即使它在統計上是*優的，但并未應用于實際，在一定程度上，并不能體現其在資本市場中的應用價值。然而，就筆者目前掌握的國內外文獻來看，關于這一方面的研究更多停留在統計學的角度，從統計計量的角度證明波動率具有預測優勢。而本書結合Fleming等（2003）、Wang等（2015）的研究成果，希望給予這樣的回答：本書新提出的波動率模型和新構建的變量不僅能改善（或提高）波動率模型的預測精度，還能為投資者帶來經濟收益。 1.1.2 研究問題的提出 1. 對波動率建模和預測重要性的探討：基于學術期刊的視角 1.1.1節已充分表明了對波動率的準確建模和預測是具有極其重要的理論和實踐意義的。不論是上述提及的低頻波動率（如GARCH）模型，還是高頻波動率模型，已有大量學者從事這方面的研究，足以證明波動率在金融領域研究的重要性。 2. 對RV和RRV高頻波動率模型的一點思考：基于跳躍和符號跳躍變差的視角 1.1.1節已經簡單闡述了低頻波動率模型（如GARCH、SV）與基于高頻數據構建的波動率模型相比具有這樣或者那樣的不足，無論是從模型自身結構改善還是從外在影響波動率因素（宏觀和微觀因素），GARCH和SV族模型已經被國內外學者廣泛研究，為此，本書的研究重點將轉移到基于日內高頻數據構建的波動率模型中。后續的章節將較為充分地闡述重點波動率模型，即基于異質市場假說（Müller et al.，1993）構建的異質自回歸已實現模型（heterogeneous autoregressive model of realized volatility，HAR-RV）和已實現極差波動率模型（heterogeneous autoregressive model of realized range-based volatility，HAR-RRV）。它們具有估計簡單，能刻畫已實現波動率的長記憶性、尖峰厚尾等典型事實特征。 如何提高波動率模型的預測能力一直是學術界攻克的難點問題。而本書已經表明了關注的波動率模型，即為基于異質市場假說下的HAR-RV模型和HAR-RRV模型。如果僅僅是對比HAR-RV（或HAR-RRV）模型與簡單的GARCH族模型和SV族模型及自回歸分整移動平均（autoregressive fractional integral moving average，ARFIMA）模型，勢必撐不起本書的框架，也并無創新和意義。后續章節將介紹跳躍的重要性和研究跳躍的范疇。已有不少學者將跳躍成分作為解釋變量引入HAR-RV模型中，構建新的波動率模型。其中，比較知名的有：①Andersen等（2007）首次將跳躍成分作為解釋變量引入HAR-RV模型，構建了含跳躍成分的HAR-RV-J模型；Andersen等（2007）用Z跳躍檢驗（Huang and Tauchen，2005）將已實現波動率分解為兩部分，即連續樣本路徑方差和離散的跳躍成分，并提出構建了HAR-RV-CJ模型。②Corsi等（2010）利用蒙特卡羅模擬數據和標普500期貨指數的真實交易數據發現，當跳躍連續出現時，Huang和Tauchen（2005）提出的Z統計量不能有效地識別這樣的跳躍成分，從而這樣的跳躍成分會包含在連續成分中，導致低估了跳躍成分對未來波動率的影響。隨后，他們利用修正的門限多次冪變差，按照Andersen等（2007）構建模型的思想，提出了基于C_TZ統計量的HAR-RV-TJ模型。鑒于上述分析，本書將探討跳躍對HAR-RV模型的估計和預測影響。類似于HAR-RV、HAR-RV-J、HAR-RV-CJ等模型的構造思路，已有學者（邵錫棟和殷煉乾，2009；趙華，2012）構建了HAR-RRV，HAR-RRV-J和HAR-RRV-CJ模型。因此，本書也將研究這三種模型，以此探討跳躍對已實現極差波動率模型的預測能力。而關于跳躍對已實現波動率和已實現極差波動率模型的研究將是第3章和第4章的研究內容。 本書將考慮*近新提出的概念：符號跳躍變差（Patton and Sheppard，2015），主要是通過已實現正負半變差相減得到的。Barndorff-Nielsen等（2010）提出的已實現正負半變差就是按照日內收益率的正負性將RV分解為兩部分，正半差就是日內正收益率的平方和，而負半差便是日內負向收益率的平方和。隨后，已實現正負變差受到了學者，如Chen和Ghysels（2010）、Sévi（2014）、Duong和Swanson（2015）等的廣泛研究。已有不少經濟學家測度下行風險，價格下降的分析，正是用的負向收益率的信息，這方面研究的先驅是Barndorff-Nielsen等（2010）。Roy（1952）指出經濟學家已經認識了投資者對下行損失和上行收益是不對稱的。另外，Markowitz（1959）提出
書友推薦
- >
隨園食單
- >
名家帶你讀魯迅:故事新編
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
伯納黛特,你要去哪(2021新版)
- >
【精裝繪本】畫給孩子的中國神話
- >
詩經-先民的歌唱
- >
二體千字文
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
本類暢銷
