新兴订单驱动市场非负值金融时间序列的乘积误差建模及应用研究

越来越多的金融数量分析依赖于非负值金融时间序列变量，如成交量、波动率、金融持续时间等变量的建模研究。中国证券市场是目前国际上采取订单驱动为交易机制的最大新兴市场之一。基于一个相对统一、系统的视角，结合中国证券市场独有特征研究非负值金融时间序列的计量建模、参数估计、模型检验与实证分析，具有重要的理论价值和实践意义。本项目挖掘中国证券市场非负值金融时间序列变量的统计特征和日内变化模式，通过建立适合中国证券市场结构特征的非负值金融时间序列线性与非线性参数单变量乘积误差模型，非参数、半参数单变量乘积误差模型及估计方法，基于Copula的向量乘积误差模型及估计方法，实证检验中国证券市场的微观结构假设和经验证据，反映我国订单驱动市场的市场质量、风险价值和流动性风险等微观结构特征，为市场交易制度设计者、市场投资参与者和市场监督管理者提供科学决策依据。

金融市场上大量研究依赖于非负值金融时间序列变量，如成交量、波动率、金融持续时间、买卖价差等变量的动态分析。中国证券市场是目前以订单驱动为交易机制的最大新兴市场之一。基于一个相对系统的视角研究非负值金融时间序列的计量建模、参数估计、模型检验与实证分析，有利于充实金融计量经济学、金融市场统计分析和高频金融的研究方法和研究内容，具有重要理论价值。其次，立足于中国证券市场，实证研究对于了解交易制度对投资者和交易行为的影响，从而完善证券市场监管、有效提高市场质量，具有重要应用价值。.本项目在分析和汲取前人研究的基础上，借鉴国际上关于乘积误差模型（MEM）和向量乘积误差模型（VMEM）的理论方法和实证结果，运用金融计量、时间序列和非参数估计技术，以MEM和VMEM在我国证券市场的计量建模、参数估计、模型检验与实证分析为主线，开展了如下四个方面的研究：（1）非负值金融时间序列变量的统计特征和日内变化模式研究。与美国和英国证券市场不同，中国证券市场非负值金融时间序列变量日内模式表现出独特的市场特征。（2）中国证券市场单变量参数MEM及应用。主要研究了对数和非对称MEM的统计性质、参数估计和模型检验方法，并应用到买卖价差、交易强度、金融持续时间等变量的实证中，描述了买卖价差的动态变化、交易强度的非对称性和中国股票市场的流动性风险及其影响。（3）中国证券市场单变量非参数MEM及应用。构建非参数MEM，探讨了估计算法的收敛效果，发现非参数MEM的拟合效果优于参数MEM，基于价格极差和成交量的实证发现非参数MEM比参数MEM能更好地刻画波动率和成交量。提出部分线性MEM及一致收敛估计算法，蒙特卡洛模拟证实部分线性MEM的拟合效果优于参数MEM。实证发现部分线性MEM更能够刻画中国联通市场深度的动态特征，更适合于描述连续交易阶段的流动性。（4）VMEM及应用。研究了高阶VMEM的矩特征、平稳性、几何遍历性以及β-混合等统计特性。将Copula与持续时间的建模结合，建立了多元Copula-ACD模型，实证发现多元Copula-ACD模型较好地描述和估计了各样本股价格持续时间的截面相关性和持续时间溢出效应。.项目顺利完成预定研究目标，已发表署名本项目资助的期刊论文11篇（含录用2篇），其中SCI收录2篇，中文核心期刊5篇；国际和国内学术会议作报告9次，共培养博士研究生3名、硕士研究生14名。

内容获取失败，请点击重试