国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

A股波動率長記憶模型的探索研究

2018-09-10 07:22:44丁宇陳熙哲
中國商論 2018年2期
關(guān)鍵詞:A股

丁宇 陳熙哲

摘 要:本文以A股波動率長記憶模型為研究對象,先介紹了長記憶模型的基本技術(shù)內(nèi)容,再結(jié)合A股波動率變化,對其記憶模型的構(gòu)建策略做進一步分析。從本次研究結(jié)果可知,長記憶模型有助于相關(guān)人員深入了解A股波動率,能夠有效地描述金融事件的時間特征,因此應(yīng)該得到相關(guān)人員的重視。

關(guān)鍵詞:A股 股票波動率 長記憶模型

中圖分類號:F832 文獻(xiàn)標(biāo)識碼:A 文章編號:2096-0298(2018)01(b)-052-02

自1990年上海證券交易所成立以來,我國股票市場已經(jīng)經(jīng)歷了20余年的發(fā)展,在這一段發(fā)展歷程中,頻繁的股票跌漲情況,證明我國當(dāng)前的股票投資者都存在很強的投機心理。而早在20世紀(jì)80年代,有關(guān)學(xué)者已經(jīng)提出了金融事件中存在長記憶的問題,這一結(jié)論也得到學(xué)術(shù)界的肯定。在這種情況下,將長記憶模型方法應(yīng)用到股票市場中,能夠進一步強化相關(guān)人員對股票市場問題的認(rèn)識,規(guī)避投資風(fēng)險。

1 金融事件的時間序列長記憶性

1.1 長記憶性的定義

一般在定量分析金融市場過程中,多數(shù)學(xué)者經(jīng)常會將目標(biāo)對象看作一個動態(tài)發(fā)展的物體(事件),并從時間序列的角度對其做深入分析。在金融事件中,它的時間序列有很多典型的性質(zhì),包括記憶性性質(zhì)、結(jié)節(jié)性性質(zhì)等。其中記憶性是十分重要的一條,學(xué)者都是通 過研究股票的指數(shù)、利率等各種金融時間數(shù)據(jù),才判斷金融事件本身具有長記憶特征。

在時間序列中,長記憶不強調(diào)時間的長短,即使是相聚很遠(yuǎn)的時間間隔,其相關(guān)數(shù)據(jù)中依然存在很多時間的特征(例如一些金融事件會產(chǎn)生長時間的影響,例如金融危機)。因此可以認(rèn)為,長記憶性是未來處于某些初始條件敏感依賴的表達(dá),證明這些歷史的信息十分重要。有關(guān)長記憶模型的問題一直是學(xué)者研究的重點,并且在金融事件的時間序列分布研究中,長記憶模型都是假設(shè)資產(chǎn)收益率服的正太分布,并基于此開展分析,因此這也將會成為本次研究的基礎(chǔ)。

1.2 時間序列的長記憶檢驗

時間序列的長記憶檢驗方法分為很多種,本文主要介紹了LM檢驗方法。

2 長記憶模型方法

2.1 長記憶模型

在經(jīng)典的時間序列建模分析過程中,多采用短記憶過程的計算方法,例如移動平均模型等。因此在長記憶的模型分析中,必須要充分考慮長記憶模型的特征,并使用傳統(tǒng)的建模工具對其做分析,這樣才能在最大程度上保證模型分析的質(zhì)量。從當(dāng)前技術(shù)研究來看,分?jǐn)?shù)差分噪聲模型在長記憶模型分析中較為常見,是一種成熟的模型分析方法。

2.2 基于波動率的長記憶模型

波動率是衡量期望價值與資產(chǎn)價格的背離程度的重要變量,已經(jīng)成為衡量風(fēng)險的常見手段,因此能被廣泛地應(yīng)用在資產(chǎn)定價與風(fēng)險管理中,在現(xiàn)代金融事業(yè)中占據(jù)著重要位置。在當(dāng)前股票分析中,波動率不僅能完整地闡釋股票的價格變化特征,并且隨著人們對波動率與股票變化問題的認(rèn)識,波動率開始被用于分析高頻率的價格數(shù)據(jù)波動變化,并發(fā)揮著重要作用。

3 波動率長記憶模型結(jié)構(gòu)分析——以A股為例

3.1 高頻樣本描述

在本次研究中,所分析的A股市場高頻數(shù)據(jù)來源于銳思金融數(shù)據(jù)庫,受條件限制等因素的影響,本次研究中只分析2015年全年上證指數(shù)1分鐘間隔下的高頻數(shù)據(jù)資料,數(shù)據(jù)中包含了股票代碼、累計成交量、記錄時間等關(guān)鍵信息。為了能夠深入分析資產(chǎn)價格波動、交易量的關(guān)鍵信息,本文采用相關(guān)上市公司的高頻數(shù)據(jù),并詳細(xì)記錄了公司1分鐘間隔下的高頻觀測數(shù)值與交易量情況,詳細(xì)資料見圖1。

3.2 波動率的估算與預(yù)測

一般學(xué)者在研究波動率與交易量之間的關(guān)系時,通常會采用波動率模型加入交易量的方法,再結(jié)合上文所介紹分析的波動率記憶成長模型。本文認(rèn)為在整個波動率估算與預(yù)測中,可以以一分鐘間隔為時間軸,通過了解價格波動率及其結(jié)構(gòu)模型,來對整個波動率的變化情況有充足的認(rèn)識。

在整個數(shù)據(jù)分析中可以發(fā)現(xiàn),因為1分鐘間隔下的數(shù)據(jù)中不可避免地會出現(xiàn)數(shù)據(jù)缺失,并且在不同的時間間隔下,所要考察的波動率水平也會產(chǎn)生多個異常點。因此在本次研究中,決定將1分鐘間隔的相關(guān)數(shù)據(jù)分別匯總成為5個數(shù)據(jù)間隔點,再剔除波動率估計值與交易量為0的樣本觀測值之后,最終確定目標(biāo)企業(yè)的價格累計波動率與交易量的變化情況。

按照上述方法對數(shù)據(jù)進行分析后發(fā)現(xiàn),在較大規(guī)模交易量產(chǎn)生的附近往往會伴有不同程度的股價波動情況,并且在交易相對冷淡的情況下,股票的價格也相對穩(wěn)定。

3.3 樣本中的長記憶模型

為了給這個模型提供更加有效的合理性思考,采用ELWE檢驗上述關(guān)系式中所得到的交易序列與波動率的長記憶性數(shù)據(jù),并參照Shimotsu的標(biāo)準(zhǔn)要求,將帶寬m取為n0.65,其中n代表樣本數(shù)量。此時序列平穩(wěn)差分階的ELWE結(jié)果顯示,案例企業(yè)的對數(shù)波動率為0.394、對數(shù)交易量為0.564、標(biāo)準(zhǔn)差為0.054。其數(shù)據(jù)結(jié)果符合記憶模型處理的相關(guān)規(guī)律。

有學(xué)者指出[2],ELWE具有漸進正態(tài)的性質(zhì),根據(jù)這一結(jié)果,可以認(rèn)為表1的相關(guān)數(shù)據(jù)結(jié)構(gòu)均在統(tǒng)計意義下顯著,證明波動率序列與交易量序列之間存在十分明顯的長記憶特征。對于相關(guān)學(xué)者而言,在長記憶模型分析中,必須要充分考慮不同時間序列本身所具有的特性(雖然平穩(wěn)的時間序列所占的比例最大)。在這個過程中,應(yīng)該根據(jù)檢驗方程系數(shù)的多項式的特征等,來判斷其中是否在單位圓內(nèi)來判斷其模型的平穩(wěn)水平。但是此時必須要注意的是,波動率長記憶模型雖然本身是平穩(wěn)的,但是這個模型本身所要服務(wù)的對象是變化的,因此在波動率長記憶模型分析中,必須要充分考慮這一特性做全面的研究。

3.4 應(yīng)用分析

為了避免受樣本取值范圍等因素而限制數(shù)據(jù)分析結(jié)果,在本次模型分析中充分考慮了波動率與交易量之間的非線性關(guān)系,并積極擬合模型全的相關(guān)數(shù)據(jù),通過對這些數(shù)據(jù)做波動率與交易量的數(shù)據(jù)化處理,并將觀測到的數(shù)值做不同的計算與編輯,分別表示t時的時刻波動率水平、交易的對數(shù)值參數(shù)等。

因此在整個應(yīng)用過程中,本文充分考慮了平穩(wěn)時間序列的特征,并將樣本的觀測值作為起始值來做全面的研究與計算,確保模型估算的參數(shù)沒有偏性,能真實地反映數(shù)據(jù)之間的關(guān)系。按照這一標(biāo)準(zhǔn),對案例公司的資產(chǎn)協(xié)整關(guān)系進行檢驗,檢驗結(jié)果顯示三項資產(chǎn)對數(shù)波動率與對數(shù)交易量間都存在一個甚至更多的協(xié)整關(guān)系。因此本文將數(shù)據(jù)分析過程中模型回歸矩陣的秩設(shè)定為1。這樣將模型自回歸部分之后階段的相關(guān)參數(shù),在FCVAR Matlab代碼包中完成轉(zhuǎn)換,用于數(shù)據(jù)分析。

之后,得出模型結(jié)果前對有關(guān)代碼做加工處理,處理后發(fā)現(xiàn),該模型擬合對于數(shù)據(jù)分析具有很強的解釋能力:除了少部分不顯著的參數(shù)外,整個表格中的大部分?jǐn)?shù)據(jù)參數(shù)都能在股票波動率的長記憶模型中進行闡釋,并且計算得出的模型特征根也全部落在了單位圓的范圍內(nèi)。這一結(jié)果證明,本文所介紹的波動率長記憶模型具有可靠性。同時,案例企業(yè)波動率長記憶模型都能解釋波動率中的變動情況,因此具有很強的模型解釋能力,與傳統(tǒng)的檢驗分析模型相比,其解釋水平明顯增強?;诖丝梢哉J(rèn)為,金融事件的波動率具有顯著的長記憶特征,并且采用長記憶模型就能科學(xué)的闡釋其變化情況,能夠幫助相關(guān)人員更深層次地認(rèn)識到其發(fā)展趨勢。

4 結(jié)語

本文所介紹的A股波動率長記憶模型能夠有效分析案例企業(yè)的股票價格波動變化情況,具有良好的應(yīng)用價值。對于相關(guān)人員而言,在當(dāng)前工作中必須要深入了解長記憶模型的特征,并對其技術(shù)內(nèi)容進行分析,在充分了解A股波動率的基礎(chǔ)上,構(gòu)建相應(yīng)的長記憶模型,使其能更好地服務(wù)于股票分析工作,加深相關(guān)人員對股票波動情況的認(rèn)識,維護股民效益。

參考文獻(xiàn)

[1] 劉榮茂,劉恒昕.滬港通對滬市股票市場有效性的影響[J].經(jīng)濟與管理研究,2015,36(08).

[2] 秦瑋.基于中國股票市場的長記憶模型應(yīng)用研究[J].重慶工商大學(xué)學(xué)報(自然科學(xué)版),2014,31(06).

[3] 王鵬,呂永健.基于不同記憶性異方差模型的中國股票市場波動率預(yù)測[J].中國管理科學(xué),2013,21(S1).

猜你喜歡
A股
5600億!A股IPO稱冠全球
金橋(2023年1期)2023-01-13 06:15:54
外資進入A股:用其“利”防其“弊”
中國外匯(2019年7期)2019-07-13 05:44:50
1月A股市場月統(tǒng)計
2016年1季度A股各板塊漲跌幅前50名
A股各板塊1月漲跌幅前50名
2015年A股創(chuàng)業(yè)板漲跌幅前50名個股
2015年A股中小板漲跌幅前50名個股
2014年A股漲跌幅、換手率排名
一月A股龍虎榜
2013年A股大股東增(減)持排名
柳林县| 黔西| 洛宁县| 德格县| 蒲城县| 元谋县| 张家口市| 赫章县| 杭锦旗| 巴楚县| 肃南| 新乡县| 文安县| 鸡东县| 鄂州市| 周至县| 漾濞| 鄂温| 突泉县| 常州市| 永安市| 敦化市| 鲁山县| 襄汾县| 泽库县| 岑巩县| 密山市| 旺苍县| 忻城县| 西乌珠穆沁旗| 张家口市| 奉新县| 工布江达县| 仁化县| 尚志市| 洛阳市| 昌江| 宁波市| 霍山县| 乐清市| 平湖市|