基于重現(xiàn)時(shí)間間隔分析的極端收益預(yù)測及交易策略研究
發(fā)布時(shí)間：2021-07-18 06:38
極端收益的預(yù)測在金融風(fēng)險(xiǎn)管理中非常重要。本文系統(tǒng)研究了極端收益重現(xiàn)時(shí)間間隔的統(tǒng)計(jì)規(guī)律,提出了一種基于重現(xiàn)時(shí)間間隔分析的早期預(yù)警模型,并對極端收益的重現(xiàn)進(jìn)行預(yù)測,檢驗(yàn)了模型在樣本內(nèi)外的預(yù)測性能;最后分別針對極端正收益和極端負(fù)收益的樣本外預(yù)測結(jié)果,設(shè)計(jì)了看漲和看跌的兩種交易策略,并以中國上證指數(shù)、法國CAC40指數(shù)、英國富時(shí)指數(shù)、香港恒生指數(shù)和日本日經(jīng)指數(shù)為例,對交易策略的日均收益率進(jìn)行了統(tǒng)計(jì)顯著性檢驗(yàn)。研究結(jié)果表明,極端收益的重現(xiàn)時(shí)間間隔具有右偏、尖峰厚尾和強(qiáng)自相關(guān)等典型特征;極端收益預(yù)測模型在樣本內(nèi)和樣本外檢驗(yàn)中都具有良好的預(yù)測能力;看漲和看跌交易策略在賣出區(qū)間均能有效地避開下跌階段,看漲策略有更顯著的盈利水平。
【文章來源】：中國管理科學(xué). 2020,28(05)北大核心CSSCICSCD
【文章頁數(shù)】：13 頁
【部分圖文】：
看漲策略(a)和看跌策略(b)的交易示意圖
如圖所示,圖2(a)展示了上證指數(shù)的對數(shù)價(jià)格及其收益率。從圖2(a)可以看出,指數(shù)在1997年以后總體呈上升趨勢,在陰影部分均包含明顯的趨勢上升和趨勢下跌的階段,而其他部分以震蕩為主。從收益率圖看出,股指的對數(shù)收益率在局部時(shí)間段內(nèi)會(huì)出現(xiàn)較大的波動(dòng)幅度,而在其他時(shí)間段的波動(dòng)幅度都相對較小,說明它具有波動(dòng)集聚性。3.2 重現(xiàn)時(shí)間間隔分析
為了預(yù)測金融市場在一段時(shí)間內(nèi)是否會(huì)再次出現(xiàn)極端收益,本文基于風(fēng)險(xiǎn)概率和優(yōu)化的風(fēng)險(xiǎn)閾值進(jìn)行樣本外預(yù)測。首先,根據(jù)樣本內(nèi)數(shù)據(jù)估計(jì)重現(xiàn)時(shí)間間隔的分布參數(shù),從而得到風(fēng)險(xiǎn)概率W(Δt|t)的公式,再以風(fēng)險(xiǎn)概率做為早期預(yù)警指標(biāo),通過有效值U(θ)的最大化來確定優(yōu)化的風(fēng)險(xiǎn)閾值wt。當(dāng)風(fēng)險(xiǎn)概率W(Δt|t)大于風(fēng)險(xiǎn)閾值wt時(shí),認(rèn)為Δt時(shí)間后會(huì)再次發(fā)生極端事件,反之認(rèn)為不會(huì)發(fā)生。為了確定優(yōu)化的風(fēng)險(xiǎn)閾值wt,需要在[0,1]內(nèi)取遍盡可能多的w值,計(jì)算出對應(yīng)的錯(cuò)誤預(yù)測率A和正確預(yù)測率D,再通過最大的效用值U(θ)找到樣本外預(yù)測所需的風(fēng)險(xiǎn)閾值wt。通過作D關(guān)于A的圖像,得到預(yù)測評估中常用的受試者工作特征曲線(Receiver Operating Characteristic,ROC),ROC曲線可以用于評價(jià)二分類算法的性能。其中,對角線(y=x)表示隨機(jī)猜測的結(jié)果,若ROC曲線在對角線的左上方,說明預(yù)測的準(zhǔn)確性比隨機(jī)分類更高,而且最靠近左上角的點(diǎn)對應(yīng)錯(cuò)誤最少的閾值。
【參考文獻(xiàn)】：
期刊論文
[1]股價(jià)暴漲的風(fēng)險(xiǎn):基于中國股市的實(shí)證[J]. 葉彥藝,高昊宇,楊曉光. 中國管理科學(xué). 2019(07)
[2]資產(chǎn)價(jià)格泡沫何時(shí)發(fā)生崩潰?——基于LPPL模型的在中國金融市場上的有效性檢驗(yàn)[J]. 潘娜,王子劍,周勇. 中國管理科學(xué). 2018(12)
[3]基于ODR-ADASYN-SVM的極端金融風(fēng)險(xiǎn)預(yù)警研究[J]. 林宇,黃迅,淳偉德,黃登仕. 管理科學(xué)學(xué)報(bào). 2016(05)
[4]中國金融風(fēng)險(xiǎn)預(yù)警研究[J]. 陳守東,楊瑩,馬輝. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2006(07)
本文編號：3289054
【文章來源】：中國管理科學(xué). 2020,28(05)北大核心CSSCICSCD
【文章頁數(shù)】：13 頁
【部分圖文】：
看漲策略(a)和看跌策略(b)的交易示意圖
如圖所示,圖2(a)展示了上證指數(shù)的對數(shù)價(jià)格及其收益率。從圖2(a)可以看出,指數(shù)在1997年以后總體呈上升趨勢,在陰影部分均包含明顯的趨勢上升和趨勢下跌的階段,而其他部分以震蕩為主。從收益率圖看出,股指的對數(shù)收益率在局部時(shí)間段內(nèi)會(huì)出現(xiàn)較大的波動(dòng)幅度,而在其他時(shí)間段的波動(dòng)幅度都相對較小,說明它具有波動(dòng)集聚性。3.2 重現(xiàn)時(shí)間間隔分析
為了預(yù)測金融市場在一段時(shí)間內(nèi)是否會(huì)再次出現(xiàn)極端收益,本文基于風(fēng)險(xiǎn)概率和優(yōu)化的風(fēng)險(xiǎn)閾值進(jìn)行樣本外預(yù)測。首先,根據(jù)樣本內(nèi)數(shù)據(jù)估計(jì)重現(xiàn)時(shí)間間隔的分布參數(shù),從而得到風(fēng)險(xiǎn)概率W(Δt|t)的公式,再以風(fēng)險(xiǎn)概率做為早期預(yù)警指標(biāo),通過有效值U(θ)的最大化來確定優(yōu)化的風(fēng)險(xiǎn)閾值wt。當(dāng)風(fēng)險(xiǎn)概率W(Δt|t)大于風(fēng)險(xiǎn)閾值wt時(shí),認(rèn)為Δt時(shí)間后會(huì)再次發(fā)生極端事件,反之認(rèn)為不會(huì)發(fā)生。為了確定優(yōu)化的風(fēng)險(xiǎn)閾值wt,需要在[0,1]內(nèi)取遍盡可能多的w值,計(jì)算出對應(yīng)的錯(cuò)誤預(yù)測率A和正確預(yù)測率D,再通過最大的效用值U(θ)找到樣本外預(yù)測所需的風(fēng)險(xiǎn)閾值wt。通過作D關(guān)于A的圖像,得到預(yù)測評估中常用的受試者工作特征曲線(Receiver Operating Characteristic,ROC),ROC曲線可以用于評價(jià)二分類算法的性能。其中,對角線(y=x)表示隨機(jī)猜測的結(jié)果,若ROC曲線在對角線的左上方,說明預(yù)測的準(zhǔn)確性比隨機(jī)分類更高,而且最靠近左上角的點(diǎn)對應(yīng)錯(cuò)誤最少的閾值。
【參考文獻(xiàn)】：
期刊論文
[1]股價(jià)暴漲的風(fēng)險(xiǎn):基于中國股市的實(shí)證[J]. 葉彥藝,高昊宇,楊曉光. 中國管理科學(xué). 2019(07)
[2]資產(chǎn)價(jià)格泡沫何時(shí)發(fā)生崩潰?——基于LPPL模型的在中國金融市場上的有效性檢驗(yàn)[J]. 潘娜,王子劍,周勇. 中國管理科學(xué). 2018(12)
[3]基于ODR-ADASYN-SVM的極端金融風(fēng)險(xiǎn)預(yù)警研究[J]. 林宇,黃迅,淳偉德,黃登仕. 管理科學(xué)學(xué)報(bào). 2016(05)
[4]中國金融風(fēng)險(xiǎn)預(yù)警研究[J]. 陳守東,楊瑩,馬輝. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2006(07)
本文編號：3289054
本文鏈接：http://www.sikaile.net/jingjilunwen/huobiyinxinglunwen/3289054.html
最近更新
教材專著
