PDF《陈蓉国市场的证据_陈蓉》

国家自然科学基金青年项目:投资者风险偏好:度量与应用,项目号:71101121;

国家自然科学基金面上 项目:不完全市场中相关性风险和最优组合选择研究,项目号:71073023;

教育部人文社科研究青年基金 项目:限价指令簿、投资者交易行为及市场质量,项目号:11YJC790014. 得到的跳跃风险是研究历史中的跳跃风险, 而加入了期权价格信息所得到的跳跃风险是研究 投资者对于标的资产未来跳跃风险的预期;

其次,由于在市场上,一个标的资产对应着不同 执行价格和不同到期时间的期权,因此,与标的资产价格的历史信息相比,期权能够更加全 面地反映出市场上的标的资产的未来分布信息. 基于此, 本文选择从期权角度入手研究其中 所含有的跳跃风险信息. 在现有文献中, 学者们从期权价格中提取信息的方法又分为两类: 第一类, 部分学者 (如Bollerslev,Gibson 和Zhou(2004)、Pan (2002)、Broadie, Chernov 和Johannes (2007)、 Santa-Clara 和Yan (2010))的做法是先假设一个具体模型,之后再将市场上的期权及其标 的的价格作为输入信息,通过各种计量方法,包括广义矩估计(简称 GMM) 、极大似然法 (简称 MLE)等,估计出模型的参数和所需要的隐含信息.第二类,另外一部分学者通过 其他方法来估计其中的隐含信息,比如用零 beta 组合(Coval 和Shumway(2001))、Delta 对冲 组合(Bakshi 和Kapadia (2003)、陈蓉和方昆明(2011) )或通过对模型进一步推导得到简化 的代理指标(Yan (2011))来对期权隐含信息进行检验.无论是第一类研究还是第二类研究, 只要涉及到模型,必然产生模型风险,因此,在之后的实证研究中,我们通过加入代理变量 来控制模型风险的影响. 相比较而言, 第二类研究方法在某种程度上优于第一类研究方法, 这主要是由于第一类 方法在最优化估计过程中存在一些风险,如:目标函数设定带来的差异(比如用 GMM 还是 用MLE 进行估计1 ) 、所选估计对象带来的差异2 (Detlefsen 和H? rdle(2007) )以及最优化 过程中全局最优解的寻找等3 .而第二类方法由于避免了复杂的最优化,因此,自然而然地 回避了在最优化过程中可能遇到的一些风险.因此本文选择第二类方法中的 Delta 对冲组合 来提取期权中所隐含的跳跃风险.具体而言,首先,我们选择 Delta 对冲组合作为理论推导 和实证分析的基础,这主要是由于 Delta 复制策略是复制期权最常用的策略,具有良好的经 济含义,并且,Delta 对冲组合盈亏的计算不需要复杂的最优化过程;

其次,在实证中,我 们选择的代理变量也是通过巧妙的理论推导和逻辑论证而得到的, 并不需要任何复杂的最优 化过程.这两点在一定程度上保证了本文结果的稳健性.之前 Bakshi 和Kapadia (2003)以及 陈蓉和方昆明(2011)都曾经用 Delta 对冲组合分别分析过美国市场和香港市场,他们都得 到负的波动率风险溢酬的结论.本文也沿用了 Delta 对冲组合的分析方法,但是本文的研究 对象主要是跳跃风险,并且,我们在他们的基础上进行了一系列改进,主要创新包括三点: 第一, 本文将标的资产所服从的随机过程假设为最一般化的多维跳跃扩散过程, 在此基 础上推导出 Delta 对冲组合盈亏(即Delta 对冲策略下的期权复制误差)中所包含的风险和 信息.在此一般化的理论基础上,研究者可以进行更深入的探讨,比如,研究在 Delta 复制 过程中, 复制误差会受到什么状态变量的影响;