本文在極值理論中引入行為金融學(xué),結(jié)合標(biāo)值自激發(fā)點(diǎn)過程（MSEPP）刻畫股指收益率極端值序列的集聚性、短期相依性,并將傳統(tǒng)的超閾值模型所描述的齊次泊松過程拓展為非齊次泊松過程,探討投資者情緒對極端收益率的沖擊。運(yùn)用風(fēng)險(xiǎn)偏好指數(shù)的方法,基于滬深300指數(shù)成份股合成中國投資者情緒指數(shù)（EMSI）,進(jìn)一步構(gòu)建MSEPP-EMSI模型預(yù)測滬深300指數(shù)、上證綜合指數(shù)及深圳成分指數(shù)的極端風(fēng)險(xiǎn)爆發(fā)概率,并對其進(jìn)行動(dòng)態(tài)ES風(fēng)險(xiǎn)測度。實(shí)證結(jié)果表明,滬深股市在短期內(nèi)股指連續(xù)暴跌現(xiàn)象時(shí)有發(fā)生,投資者極度負(fù)面情緒會(huì)加劇股市的劇烈動(dòng)蕩,當(dāng)考慮投資者情緒對極端風(fēng)險(xiǎn)的沖擊時(shí),MSEPP-EMSI模型能有效的提高對極端風(fēng)險(xiǎn)的概率預(yù)測精度及ES預(yù)測精度。 

【文章來源】：中國管理科學(xué). 2020,28(07)北大核心CSSCICSCD

【文章頁數(shù)】：12 頁

【部分圖文】：

滬深300、上證指數(shù)、深證指數(shù)與EMSI情緒指數(shù)

由2.2.1的分析可得,極值發(fā)生的時(shí)間可以看作是時(shí)間軸上的某個(gè)點(diǎn)。由非齊次泊松過程的相關(guān)知識可以得到某一時(shí)間間隔內(nèi),極端損失值產(chǎn)生的條件概率。將收益率序列數(shù)據(jù)、MSEPP及MSEPP-EMSI模型參數(shù)估計(jì)值代入公式(13),便得到各時(shí)刻產(chǎn)生極端損失值的條件概率。2015年夏季中國股市呈現(xiàn)劇烈異常波動(dòng),僅兩個(gè)月時(shí)間內(nèi),上證指數(shù)從5178.19點(diǎn)高位滑落至2850.71點(diǎn),期間資本市場上不斷上演千股跌停的局面,其中絕大多數(shù)股票價(jià)格遭受無情“腰斬”,頓時(shí)恐慌情緒彌漫整個(gè)資本市場。圖2展示了滬深300指數(shù)、上證指數(shù)、深證指數(shù)從2015年4月21日至2016年2月15日,中國股災(zāi)期間爆發(fā)極端損失的概率預(yù)測值。從圖中可直觀看出,股災(zāi)期間,滬深300指數(shù)、上證指數(shù)、深證指數(shù)產(chǎn)生極端損失的概率相比其它時(shí)間段急劇上升。

由2.3.1的分析可得到滬深指數(shù)收益率序列的動(dòng)態(tài)ES預(yù)測值。圖3報(bào)告了三大指數(shù)95%置信度水平下,樣本外后200個(gè)交易日的動(dòng)態(tài)ES預(yù)測值序列。由2.3.2的分析得,通過比較不同模型V值的大小便能衡量不同模型的ES預(yù)測的精度,V值越小的模型預(yù)測效果越好。2種模型樣本外300個(gè)交易日的V值如表4所示,從中可以看出MSEPP-EMSI模型在絕大多數(shù)情況下取得最小V值,優(yōu)于MSEPP模型的表現(xiàn)。


本文編號：3354455