Lévy过程修正GJR-GARCH模型在权证定价中的应用:中国大陆与香港的实证分析

需积分: 31 2 下载量 61 浏览量 更新于2024-09-09 1 收藏 968KB PDF 举报
"这篇论文研究了基于Lévy过程修正的GJR-GARCH模型在权证定价中的应用,特别关注于中国大陆和香港的权证市场。研究中,考虑到股票收益率在GARCH模型下非正态分布的特点以及收益率标准差序列的非对称性,论文提出了一种新的异方差模型,该模型在Lévy分布的框架下能够更好地捕捉金融数据的‘跳跃特征’、‘群聚现象’和‘杠杆效应’。通过蒙特卡罗模拟,对大陆和香港的权证进行了实证分析,结果显示,修正后的Lévy-GJR-GARCH模型显著提高了权证的定价精度。比较两地市场,发现香港权证的定价精度优于大陆,而大陆权证的市场价格与无套利假设下的理论价值存在显著偏离。" 在金融经济学中,GJR-GARCH(Glosten-Jagannathan-Runkle Generalized Autoregressive Conditional Heteroskedasticity)模型是一种用于描述资产收益波动性的统计模型,它扩展了基本的GARCH模型,引入了负面冲击对波动率影响更大的杠杆效应。Lévy过程则是一种随机过程,它可以描述资产价格的跳跃行为,尤其适合捕捉金融市场中的极端事件。结合两者,Lévy过程修正的GJR-GARCH模型能更全面地反映金融市场的动态特性。 论文中,研究者首先考虑了股票收益率的非正态分布特性,这在实际市场中是非常普遍的现象,因为金融数据经常表现出厚尾或尖峰特征。接着,他们注意到了收益率标准差序列的非对称性,即正面和负面冲击对波动率的影响可能不同,这也是GJR-GARCH模型的核心特点之一。通过引入Lévy过程,模型能够更好地捕捉到这种不对称性和跳跃性,使得模型更适应金融市场的真实行为。 实证部分,研究者运用蒙特卡罗模拟来估计和比较模型的效果。大陆和香港两个市场的权证定价结果差异表明,Lévy过程修正的模型在定价精度上具有明显优势。香港权证的定价更为准确,这可能是因为其市场更为成熟,信息传递效率更高;而大陆权证市场价格与理论价值的偏离则暗示了市场效率较低或者存在其他未被模型完全捕捉的因素。 这篇论文的研究成果对于理解和改进金融衍生品的定价模型,特别是权证定价,提供了重要的理论支持和实践指导,有助于提高市场参与者对风险管理和投资决策的理解。同时,对于监管机构来说,这样的研究也提供了评估市场效率和监控市场行为的工具。