《非對稱隨機波動建模及其在金融風險管理中的套用研究》是依託中國人民大學，由張波擔任項目負責人的面上項目。
基本介紹
- 中文名：非對稱隨機波動建模及其在金融風險管理中的套用研究
- 項目類別：面上項目
- 項目負責人：張波
- 依託單位：中國人民大學
項目摘要,結題摘要,
項目摘要
本項目研究在非對稱隨機波動條件下的金融風險管理與資產定價。在連續時間框架下研究：（1）非對稱隨機波動中槓桿參數的精確估計，充分利用股市高低頻數據，將槓桿參數、RSV和跳作為解釋項，建立波動率預測模型；（2）解決模型離散化偏差以及小樣本下參數估計導致的期權定價偏差問題。在離散時間框架下研究：（3）非對稱MA-SV、MS-SV和時變SV建模，給出快速有效的分塊MCMC算法；（4）基於非參貝葉斯方法的SV建模及VaR計算問題；（5）決策理論框架下，基於貝葉斯方法的SV模型的假設檢驗。本項目的研究考慮到了多資產配置以及金融時序的變結構問題，能分析處理我國人民幣外匯數據、股票高頻交易數據以及Shibor隔夜拆借利率等重要金融數據，有助於深刻理解金融市場風險形成規律及其傳導機制，合理規避金融風險，為投資者的資產配置與風險管理以及監管部門的巨觀監控提供決策支持。
結題摘要
本項目研究在非對稱隨機波動下的金融風險管理與資產定價中的若干問題： 1）通過分塊抽樣並利用模型中的帶狀矩陣結構特點，獲得了具有外生解釋變數和Jump成分的SVJt的一種快速MCMC抽樣方法，解決了通常的單步Gibbs抽樣收斂慢的問題。利用SV0模型和ASV模型分別對外匯市場和證券市場進行建模，發現匯率數據不存在較為明顯的槓桿效應，而證券市場存在這種現象。本項目組將非高斯非線性狀態空間模型的APF套用到SVJt模型，以解決模型比較問題。從BF、預測RMSFE以及預測分布等三個方面發現SVJt模型的表現優於一般SV和GARCH 模型，模型的Jump成分和厚尾t分布能更好地擬合股票的波動和異常跳躍。 2）項目組利用高頻交易數據進行隨機波動建模，對近多達17萬多筆高頻交易數據的研究發現“首尾5分鐘現象”，我們考慮具有周期效應的隨機波動建模，給出模型的兩步估計方法。通過利用經驗似然函式，得到了JEL檢驗方法。當數據的維數固定時，得到了JEL比率統計量的非參數Wilk定理；當數據維數依照樣本量的中等速率趨於無窮時，證明了正則化JEL比率統計量的漸進正態性。 3）研究利用非參數貝葉斯方法進行隨機波動建模的，它能直接從數據中學習機率分布，具有很強的靈活性。針對帶有微觀噪聲的高頻交易數據的資產定價模型的跳躍特徵估計問題，提出了一種簡便的非參數估計方法，聯合運用了預平均和門限技巧去識別跳躍行為，給出了該估計量的漸進性質。 4）在高頻金融數據研究中，估計金融資產價格IV時，往往需要考慮市場微觀結構噪聲與資產價格跳躍的影響。我們將市場微觀結構噪聲部分地表示成交易信息的參數函式，並結合資產收益序列的跳躍特徵，提出資產收益的高斯混合模型，利用EM 算法進行噪聲參數估計的同時，識別資產價格的跳躍，進而提出一種新的IV估計。 該項目的研究豐富了隨機波動建模方法，給出了更為快速的建模工具，能有助於解決金融風險管理以及資產配置中尚未解決的重要問題，捕捉金融資產的時變波動性質，對於防範與控制金融風險有著重要的理論與實際意義。
