金融计量学-唐勇-课件
金融计量学,唐勇,课件

2
波动率建模及其 应用
11.2.1波动率度量方法 Anderson和Bollerslev(1998)首次出基于高频 数据的波动率度量方法——已实现波动(Realized Volatility,RV)。RV具有计算简便、无模型、波动 率估计更准确等优点,因此一经提出便得到了广泛应 用。
11.2.2跳跃检验方法
唐勇教授 福州大学经济与管理学院
本章主要内容
11.1金融高频数据特征分析 11.2波动率建模及其应用
1
金融高频数据分 析及其应用
11.1.1 金融高频数据概念:
近年来,随着计算机技术的快速发展,极大地降低了 数据记录和存储的成本,使得对大规模的数据进行分析 成为可能。所以,许多科学领域的数据都开始以越来越 精细的时间刻度来收集,这类数据被称为高频数据 (high frequency data)。金融市场中,高频数据主要 是分时数据和分笔数据两种。分时数据是以单位时间间 隔为抽样间隔而取得的交易数据,比如按小时、分钟和 秒等时间间隔进行抽样而得到的交易数据;分笔数据是 交易过程中实时采集的数据,即根据市场事件(如价格 或者交易量变化超过一个给定的值)到达的时间逐笔记 录下来的数据,对于这种数据国际上也称为是tick-bytick data,一般指的是交易价格、询价与报价、交易量 和交易间的时间间隔。
11.2.3波动率模型
11.2.4模型评价
11.2.5案例分析
三、是数据存在日内周期模式,在正常交易条件下, NYSE的交易量往往在每一天的开盘时间和收盘时间附 近较大,而在午饭时间左右较小,形成了一个偏“U” 型的模式,也有研究称为是偏“L”型的模式,随之 而来的,是交易与交易之间的时间间隔在一天内也呈 现出了循环模式的特征;
2020版金融计量学:时间序列分析视角(第三版)教学课件第15章第1节

CAPM假设的核心是认为市场满足 完全、无摩擦和信息完全对称的条件 ,市场中的投资者为具有马柯维茨理 论中所描述特征的理性经济人。
i
Cov(ri , rm )
2 m
15.1.2 证券市场线
无套利定价模型(APT)假设比较 宽松,而且不需要像CAPM那样依赖市 场组合。APT的成立应包括以下假定条 件:投资者有相同的预期;投资者规 避风险并追求效用最大化;完美市场 。它没有CAPM成立所需要的无税收和 无风险利率借贷等假设。
APT的资产定价公式
E(ri ) 0 1bi1 2bi2 kbik
ri rf i (rm rf ) i
在式中再加入一个截距项得到,
ri rf i i (rm rf ) i
ri rf i i (rm rf ) i
如果CAPM成立,则i 应为零且 i 显
著不为零,所以实证结果的关键是 i
和 i 显著性检验。
15.2.2 布莱克-詹森-斯科尔斯( Black-Jenson-Scholes)方法
在一般均衡框架下获得的证券市场线
(Security Market Line, SML)是CAPM理 论的核心结论,其形式如下 :
i
Cov(ri , rm )
2 m
组其合中的,E预(ri )期、收E(r益m )分率别,是rf 某是资无产风和险市收场益 率。
图15-1 证券市场线
E(r)
SML
rf
β
如图15-1,证券市场线描述了预
(4)存在一种无风险利率,投资者在此 利率水平下可以无限制地贷出和借入任 意数量的资金。
金融计量学,唐勇,课件

m和 n 的
F 分布,记为 F ~ F (m, n)
则 n ,其中 m 称为分子自由度也是第一自由度,
称为分母自由度也
称为第二自由度。 相关结论: (1)若随机变量 F ~ F (m, n) ,则 (2)若 t ~ t (n) ,则 t 2 ~ F (1, n)
1 ~ F (n, F
不同自由度的 F
•
抽样调查
几个常用的金融机构和数据库及其网址
机构或数据库名称
纽约证券交易所(NYSE)
网址
伦敦证券交易所(LSE) 东京证券交易所(TSE) 芝加哥交易所(CBOT) 上海证券交易所(SSE) 深证证券交易所(SZSE)
http://www.tse.or.jp
福州大学经济与管理学院 唐勇教授
本章主要内容
1.1金融计量学的含义以及建模步骤 1.2金融数据的主要类型、特点和来源 1.3收益率的计算 1.4常见的统计学与概率知识 1.5常用金融计量软件介绍
1
金融计量学的含 义以及建模步骤
1.1.1 金融计量学含义 什么是计量经济学? 起源于经济学,是经济学的一个分支学科,是以 揭示经济活动中客观存在的数量关系为内容的分支 学科 什么是金融计量学? 在西方经济中,一般认为金融计量学是指金融市场 的计量分析,特别是统计技术在处理金融问题中的 应用。
定义:随机变量X和Y独立,且 X ~ N 0,1 , Y ~ 2 (n) 的分布为自由度为n的t分布,记为 的
tX Y /n ~ t (n)
,则称
X
Y /n
,又称“学生
t 分布”
不同自由度的t分布密度函数图
相关结论:(1) 分布是一簇曲线,以0为中心,左右对称的单峰分布 (2)自由度n越小,分布曲线越低平;自由度n越大,分布 曲线越接近标准正态分布曲线。 x1 , x2 , , xN (3)设 是来自正态分布 的一 N (, ) 个样本,N个观测值的样本方差为 ,样本均值为 ,则有 s2 x
金融计量学,唐勇,课件.详解

6.3.1
Johansen协整检验的基本说明
6.3.1
Johansen协整检验的基本说明
6.3.1
Johansen协整检验的基本说明
6.3.1
Johansen协整检验的基本说明
6.3.1
Johansen协整检验的基本说明
6.3.1
Johansen协整检验的基本说明
6.3.1
Johansen协整检验的基本说明
6.1.2
协整检验方法
6.1.2
协整检验方法
ˆt 的最小二乘 需要注意的是,由于E-G两步法是采用协整回归的残差e ˆt 来检验平稳性的,此时的检验临界值不能再用传统的(A)DF 法估计值 e
检验的临界值,而是要采用Engle和Granger提供的临界值(见表6-1),
因此这种协整检验方法又称为扩展的Engle和Granger检验,简称AEG检验。
6.4
向量误差修正模型(VECM)
6.4
向量误差修正模型(VECM)
6.4
向量误差修正模型(VECM)
6.4
向量误差修正模型(VECM)
上述仅讨论了简单的向量误差修正模型,与VAR模型类似,我们可以 构造结构向量误差修正模型,同样也可以考虑向量误差修正模型的 Granger因果检验、脉冲响应函数和方差分解。关于VAR模型和向量误差 修正模型的更多讨论,可以参考汉密尔顿(1999)的详细讨论。
6.1.2
协整检验方法
图6-1: 两种指数2
协整检验方法
图6-2: logSZZS的ADF检验结 果
6.1.2
协整检验方法
图6-3: logSZCZ的ADF检验结 果
6.1.2
协整检验方法
金融计量学ch8

l 最后,分别计算若干种股票在第t期的平均的超常收益率和若干种股票 在一段时间内的累计的超常收益率。
l
l
PPT文档演模板
金融计量学ch8
市场有效性检验方法及其中国股市实证
l 2. 残差分析法的运用
l 假定市场上出现了某股票利好的消息(例如,送配股和每 股收益大幅度增长),并且假定半强形式有效市场假设成 立。那么,市场上可能会出现以下两种情况:第一种,如 果这一利好消息出乎投资者的预期,那么,该股票的价格 在该消息公布之前不会发生大的波动,投资的收益率也只 是正常的收益率;在消息公布的那一天,该股票的价格一 次性上涨,带来了正的超常收益率;从公布的第二天起, 股票价格重新恢复稳定,投资的收益率也回复到正常收益 率水平。第二种,如果利好消息在投资者预料之中,并且 投资者对这一利好消息的预期是逐渐形成的,那么,该股 票的价格在消息公布之前就会逐渐走高,获得超常的收益 率;由于消息已经被市场完全消化,所以,在消息正式公 布那一天, 股票价格不会由于消息的因素而发生波动; 从公布的第二天起,股票的价格趋于稳定。
PPT文档演模板
金融计量学ch8
有效市场假说及其基本形态
l (1)随机游走1(RW1):增量 独立同分布。
l 随机游走假设最简单的形式是独立同分布增量(IID)的情形。收益率 动态序列 由以下随机过程给出:
l
IID( )
l (2)随机游走2(RW2):独立增量 不同分布。
l 我们对RW1的假定放宽到包括独立但不同分布的增量过程,并称为随 机游走模型2,记作RW2。RW2显然不仅包括作为特例的RW1,而且还包 括更为一般的随机过程。
PPT文档演模板
金融计量学ch8
市场有效性检验方法及其中国股市实证
《金融计量学》课件

VS
时间序列分析
对按时间顺序排列的数据进行统计分析, 探究时间序列数据的内在规律和变化趋势 。
概率论与数理统计
概率论
研究随机现象的数学规律,为金融计 量提供理论基础。
数理统计
利用样本数据推断总体特征,进行风 险评估和预测。
线性代数与矩阵运算
线性代数
研究线性方程组、矩阵和向量等数学对象,用于金融数据的 处理和分析。
参数估计与假设检验
参数估计
利用样本数据估计模型中的未知参数,常用方法包括最小二乘法、最大似然估计法等。
假设检验
对提出的假设进行统计检验,判断假设是否成立,常用的假设检验方法有t检验、z检验 、F检验等。
模型选择与模型检验
要点一
模型选择
根据数据特征和实际需求选择合适的计量经济学模型,如 线性回归模型、时间序列模型等。
高频数据与超高频数据的计量分析
01
时间序列分析
利用高频和超高频数据,进行时 间序列分析,研究金融市场的动 态变化和波动性。
02
03
微观结构分析
风险管理
分析市场微观结构,探究交易机 制、价格发现机制等,提高对市 场行为的认知。
基于高频和超高频数据,构建风 险管理模型,提高风险控制和预 警能力。
复杂网络与金融市场的结构和动态
详细描述
资产定价实证研究是金融计量学的重要分支之一,主 要关注资产价格的决定因素和变动规律。研究者通过 收集历史数据,运用统计分析方法,检验资产定价模 型的有效性,并探讨市场有效性问题。这些研究有助 于投资者更好地理解市场运作机制,制定合理的投资 策略。
风险管理实证研究
总结词
风险管理实证研究主要探讨如何运用金融计量方法进 行风险评估和管理。
金融计量学,唐勇,课件

原假设:序列不存在p阶自相关;备择假设:序列存在p阶自相关。 如果各阶Q统计量都没有超过设定的显著水平的临界值,则接受原假设。 超过临界值,就说明序列存在自相关。
yt xt ut , ut ~ N (0, t2 )
(7.3) (7.4)
t2 Var( yt It 1 ) 0 1ut 12 2ut 22 put p 2
这里要求
0 0, j 0
( j 1, , p) ,
• 注意:在ARCH(p)模型中,我们仍然假设扰动项不存在序列相关性, 还假设扰动项的无条件期望和条件期望都为0, 下面证明ARCH模型的性 质会用到。
u
2 序列指定的滞后阶数的自相关系 t
数(AC)和偏相关系数(PAC)(如本章第一节表7-3和表7-5所示)并且 计算出了相应阶数的Ljung-Box Q统计量:
QL, B T (T 2)
j 1
p
rj2 Tj
(7.20)
其中, 阶数。
r j 是残差系类的j 阶自相关系数,T为样本容量,p是设定的滞后
max( p , q )
i 1
(i i )ut2i vt j vt j
j 1
q
(7.10)
p, i 0 ,对 i q
,i 0 ,可以得到: (7.11)
ut2 0 [ ( L) ( L)]ut2 [1 ( L)]vt
s 1
(7.17)
1.ARCH-LM检验
LM 定的显著性水平 下 ,
2 R 其中,T表示样本的容量, 表示回归方程(7.17)的可决系数,在给
2
2 ( p ) LM ,接受原假设, ( p) ,拒绝 原假设。或者可以用 p值来判断,p 则拒绝原假设,否则接受原假设。
《金融计量学》笔记(共17章节)

《金融计量学》笔记(共17章节)前14章节为重点章节第一章:导论(重要)金融计量学,作为金融学的一个重要分支,致力于运用数学、统计学和计算机技术等方法对金融市场进行量化分析和建模。
这一学科的重要性不言而喻,它为我们提供了一种理性的、基于数据的视角来审视和理解金融市场。
1.金融计量学的定义与重要性金融计量学不仅仅是关于数字和公式的学科,它更是一种思维方式,一种将复杂的金融问题转化为可量化、可分析的形式,并通过数据来寻求答案的方法。
在金融领域,无论是投资决策、风险管理还是资产定价,都需要依靠金融计量学来提供科学的依据。
2.金融计量学在金融领域的应用金融计量学的应用广泛而深入。
在投资组合管理中,它可以帮助我们确定最优的投资组合,以最大化收益并最小化风险。
在风险管理领域,金融计量学可以为我们提供精确的风险度量工具,帮助我们更好地识别和管理风险。
在资产定价方面,金融计量学则为我们提供了一种理性的、基于市场数据的定价方法。
3.金融计量学与其他学科的关系金融计量学并不是孤立存在的,它与金融经济学、统计学、计算机科学等多个学科都有着紧密的联系。
金融经济学为金融计量学提供了理论基础和研究方向,而统计学和计算机科学则为金融计量学提供了数据分析和建模的工具和方法。
4.本课程的学习目标与方法学习金融计量学,我们的目标不仅仅是掌握一些具体的模型和方法,更重要的是培养一种基于数据的、理性的思维方式。
在学习过程中,我们需要注重理论与实践的结合,通过实际的金融数据来应用和验证我们所学的模型和方法。
第二章:金融时间序列数据在金融计量学中,时间序列数据是我们分析的基础。
这一章我们将深入探讨时间序列数据的特性、收集和处理方法。
1.时间序列数据的定义与特性时间序列数据是指按照时间顺序排列的一系列观测值。
在金融领域,时间序列数据无处不在,如股票价格、汇率、利率等。
时间序列数据具有趋势性、周期性、随机性等特性,这些特性对我们的分析和建模都有着重要的影响。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
表k示 阶自相关系数,R在t 为平稳序列的情况
(k) 与 t 无关,用样本 R1 RT 可以给出 (k) 的估计量:
T k
(Rt RT )(Rtk RT )
ˆ (k) t1 T
(Rt RT )2
t 1
其中,RT
1 T
T t 1
Rt
需要检验的是:对于所有的 k >0,如果全部自相关系数同时为0,
游程数目反映了价格序列变化情况,若游程太少,表明价格序列存在 某种恒定倾向;若游程数目过多,则序列具有混合倾向。因此,游程过 多过少,都具有非随机性特征。根据证券价格变化的游程序列,可建立 检验统计量 U (游程总数目)。
当观测总数 N >25时,检验统计量近似接近正态分布,这时游程总数 均值为
E(U ) 1 2mn N
有效市场的三种形式和证券投资分析有效性之间 的关系可以由下表来表示:
弱式有效 半强式有效 强式有效
技术分析 有效 无效 无效 无效
基本分析 有效 有效 无效 无效
组合管理 积极进取 积极进取 积极进取 消极保守
9.1.4随机游走的设定
通常人们选择随机游走模型( Random Walk Model )来观测市场有效性 假说。若金融资产价格遵循随机游走,没那么这意味着市场有效性假说成 立。根据随机扰动项的属性将随机游走分为三类:
ln Pt ln Pt1 t ,t ~ id(0,t 2 )
上式中收益率的方差 t 2中的下标t表示方差随时间变化而变化。这一性质称为收益 率的异方差性。
3.随机游走III(RWIII):不相关增量
最这后就,是我不们相再关进增一量步的放随松机扰游动走项模型 t,的记独为立R性WI假II,设用,公至式假表设示他如们下互:不先关。
1.自相关性检验
既然随机游走主要表现在连续价格运动的独立性上,那么运用自相关
性检验就可以验证市场是否为弱式有效。序列相关性检验是判断在未来 某个时期价格变化是否自相关。为消除股价变动对股价水平的影响,
变动其的中收Pt 益表率示令。第Rtt天的l股n 票Pt价格ln指P数t,1 时间ln序( P列t
9.1.2市场有效性的三种状态
在有效资本市场理论中,“有效”在多种场合中用于描述资本市场的 运行特征。按照信息在股价中的反映程度,可以将市场效率状态划分为 三个层次:弱式有效市场假说、半强式有效市场假说和强式有效市场假 说。
1.弱式有效市场假说 弱式有效市场假说检验用过去的收益率对未来的收益率的预测能力,
1.随机游走I(RWI):独立同分布增量 最简单的随机游走模型是股价变动是独立同分布(iid)的随机变量,
记为RWI,用以下公式表示:
ln Pt ln Pt1 t , t ~ iid(0, 2 )
2.随机游走II(RWII):独立增量
句增话量下说随面,机我不游们同走放时模松期型扰的,动记项t为可Rt能W同I具I,分有布不的同假的设方,差只甚保至留不相同互分独布立。的这假就设是。独换立
通常我们运用ADF检验法进行单位根检验。该方法检验 t 同方差但允许
t 序列自相关。ADF检验在三种不同的形式即三种不同的虚拟假设条件下进行 估计:
模型Iy:t 是不带有漂移项的随机游走。
检验通过,则股票价格波动符合弱式有效市场的特征。
为了检验所有k >0的自相关系数 (k) 都为0的联合假设,采用Box和Pierce
最初提出的Q统计量。其定义为:Q(k
)
T
K
2 k
(K为滞后长度)
k 1
在大样本中,Q(k) 统计量近似地服从K 个自由度的 2 分布。
原假设:序列不存在 k 阶自相关; 被择假设:序列存在 k 阶自相关。
为检验近年来中国股票市场是否达到弱式有效,我们首先采用自相关
性检验法。如果要检验股价运动是否自相关,就要验证证券收益率序列
是否出现白噪声特征,如果符合白噪声序列特征,这表明证券价格之间 不存在自相关性,即已达到弱式有效。
用 (k) Cov(Rs , Rt ) , s t,
下,
Var(Rt )
ln Pt ln Pt1 t
Cov t , tk 0 , k 0
RWIII包括了作为特例的RWI和 RWII。这种随机过程具有不相关增量, 但显然又不独立,因为其增量平方是相关的。
2 有效性市场假说
的实证检验
9.2.1弱式有效市场假说检验方法
20世纪70年代以前,对弱式有效市场的检验目的在于回答一个问题: 过去的证券收益率能否在某种程度上预示将来的收益率?即弱式有效市 场假说它强调的是证券价格的随机游走,不存在任何可以识别和利用的 规律。因此,对弱式有效市场的检验主要侧重于对证券价格时间序列相 关性研究。这些研究又分别采用自相关性检验、游程检验、单位根检验、 方差比检验、过滤法则检验等方法进行实证。
式中:N 为证券价格观测天数;m为正游程数量;n 为负游程数量。
游程总数的标准差为
则
根据公式(9.9)计算Z值后,查表得到相应的概率值。当显著性水平
为 时,若检验双侧概率值 P ,则不能认为价格为纯随机序列。
3.单位根检验
与随机游走相比,具有一般意义的检验鞅的假定的方法是单位根检
验。单位根检验不仅能够区分经济时间序列是否为平稳过程或单位根过 程,而且能够从非平稳时间序列中间区分趋势平稳或单位根过程。如果 单位根检验表明至少存在一个单位根,则随机游走过程是非平稳的,非 平稳过程是随机游走过程的诶必要条件,而且,一般而言随机游走的一 阶差分是平稳的。因此,单位根检验是随机游走过程的必要条件。运用 单位根检验,可以检测时间序列数据的生成过程是否存在且只有一个单 位根:若命题不成立,我们可以推断随机游走假设也不成立,即金融市 场不是弱式有效市场;若命题成立,随机游走过程是成立的,即金融市 场达到弱式有效。
假设有一系列价格变化,每一个价格变化如果是价格上升则记为加号 (+),如果价格下降则为减号(-),结果就是如下一组加减号 (+++-+--++--++)。当两个连续的变化是相同的时候,一个游程就 产生了,当然更多连续的正的或负的价格变化也构成一个游程。当价 格反向变化时,比如一个负的价格变化之后,紧接着一个正的价格变 化,则表明当前的这个游程就结束了,另一个新的游程会开始。检验 独立性,可以将给定序列中游程的个数与随机序列中游程的期望值表 中的数字作比较。
图9-1:信息集和有效市场的形式
9.1.3 有效市场假说的实践意义
1.有效市场和技术分析
如果市场未达到弱式下的有效,则当前的价格未完全反映历史价格信息,
那么未来的价格变化将进一步对过去的价格信息作出反应。在这种情况下, 人们可以利用技术分析和图表从过去的价格信息中分析出未来价格的某种 变化倾向,从而在交易中获利。如果市场是弱式有效的,则过去的历史价 格信息已完全反映在当前的价格中,未来的价格变化将与当前及历史价格 无关,这时使用技术分析和图表分析当前及历史价格对未来作出预测将是 徒劳的。如果不运用进一步的价格序列以外的信息,明天价格最好的预测 值将是今天的价格。因此在弱式有效市场中,技术分析将失效。
信息集只包含了历史价格。在弱式有效市场存在的情况下,可以假定在 这一市场上参加交易的所有投资者均掌握了某一特定证券的历史(自上 市以来)价格变动情况及这些变动所反映的全部信息。
2. 半强式有效市场假说
半强式有效市场假说检验证券价格对公开发布信息的反映程度,信息 集是所有公开信息,如关于公司业务损益的财务报告,分红、送配股的 决定,会计调账,新闻媒介对公司的评价,直至中央银行政策的变动等 等.证券价格反映了所有公开信息所包含的价值,在半强式有效市场存在 的情况下,可以假定在这一市场上所有参加交易的投资者所占有的有关 某一特定上市公司的所有公开信息都是一样的,证券价格的形成反映了 所有投资者对所有公开信息的集体判断。投资者不仅无法从历史信息中 获取超额利润,而且也不能通过分析当前的公开信息获得超额利润,基 本分析无效。在实证检验中,一般采用事件研究法进行半强式检验。
3.有效市场和证券组合管理
如果市场是强式有效的,人们获取内部资料并按照它行动,这时任何 新信息(包括公开的和内部的)将迅速在市场中得到反映。所以在这种市场
中,任何企图寻找内部资料信息来打击市场的做法都是不明智的。这种 强式有效市场假设下,任何专业投资者的边际市场价值为零,因为没有 任何资料来源和加工方式能够稳定地增加收益。对于证券组合理论来说, 其组合构建的条件之一即是假设证券市场是充分有效的,所有市场参与 者都能同等地得到充分的投资信息,如各种证券收益和风险的变动及其 影响因素,同时不考虑交易费用。但对于证券组合的管理来说,如果市 场是强式有效的,组合管理者会选择消极保守型的态度,只求获得市场 平均的收益率水平,因为区别将来某段时期的有利和无利的投资不可能 以现阶段已知的这些投资的任何特征为依据,进而进行组合调整。因此 在这样一个市场中,管理者一般模拟某一种主要的市场指数进行投资。 而在市场仅达到弱式有效状态时,组织管理者则是积极进取的,会在选 择资产和买卖时机上下功夫,努力寻找价格偏离价值的资产。
3.强式有效市场假说
强式有效市场假说是指证券价格不但对过去的历史信息、
现在的公开的信息进行反映,而且对没有公开的内幕信息也 进行反映。在强式有效市场存在的情况下,可以假定在这一 市场上所有参加交易的投资者都掌握了有关某一特定上市公 司的业绩及其内在价值的所有信息,无论其公开与否。也就 是说,所有投资者,无论是否特权群体,所占有的信息都是 一样的。证券价格反映了所有这些信息所包含的价值。
/
Rt
Pt 1)
t0
反映股票价格
如果股票价格变动表现为随机游走,则