金融超高频数据下的日内跳跃风险检验与建模

Jump component in financial asset price plays an important role in asset pricing, risk hedging, derivative pricing and other financial areas, and is especially very crucial for the extreme risk management. After the severe vibration of Chinese stock market in 2015, preventing and managing the extreme risk has been very important for the stability of financial system. This project focuses on testing and modeling the intraday spot jump in asset price under the market microstructure noise with ultra-high frequency data. This research will provide a new perspective for the identification, measurement, and management of extreme jump risk. We will firstly propose the intraday jump testing method robust to microstructure noise for the Lévy jump, and further test whether the jump process has finite activity or infinite activity. Then we will use the stochastic point process to model the jump contagion to describe the self- and mutual transmission of jump risk, and then study its impact factors. Furthermore, we will measure the jump tail risk based on the jump tail modeling and analyze its impact factors based on the tail regression model. All the researches will provide decision-making basis for the investors and regulators to manage and prevent the extreme risk in practice.

金融资产价格中的非连续“跳跃”行为在资产定价、风险对冲、衍生品定价等金融领域扮演着重要角色，尤其对于金融极端风险管理具有重要意义。在2015年我国股票市场经历剧烈震荡之后，防范与管理极端或异常风险已成为维护金融稳定的重要一环。因此，本项目将充分挖掘金融市场上的超高频数据信息，以资产价格的“跳跃”为研究对象，在克服市场微观结构噪声的影响下，对资产价格在日内任一时点上的跳跃进行检验与建模，以期为日内极端跳跃风险的识别、测度与防范提供新视角。项目从检验日内任一时点上的Lévy跳跃的存在性出发，进而检验跳跃的类型：有限活跃与无限活跃，由此识别不同的极端风险源；在此基础上利用点过程对跳跃的传染性建模，刻画跳跃的自激励与互激励特征，揭示跳跃的诱导因素及其影响；并进一步对跳跃的尾部建模，度量跳跃尾部风险，厘清跳跃风险的影响因素，为投资者的投资策略优化、监管部门的极端风险防控，提供决策支持与政策制定依据。

金融资产价格中的非连续“跳跃”行为在资产定价、风险对冲、衍生品定价等金融领域扮演着重要角色，尤其对于金融极端风险管理具有重要意义。而当前在全球经济一体化背景下，国际间的金融活动相互渗透，相互影响，一国金融市场上的极端波动会蔓延至其他国家，因而防范与管理极端或异常风险已成为维护金融稳定的重要一环。因此，本项目以资产价格的“跳跃”为研究对象，利用金融市场上的高频数据信息，围绕着市场微观结构噪声下的日内跳跃风险识别、日内价格跳跃风险的传染性建模、日内价格跳跃的尾部建模以及风险度量三大方面进行了研究，并取得了一些重要的研究成果。目前已完成5篇英文论文，其中已发表2篇（SCI检索论文1篇，外文专业期刊论文1篇），有1篇已被SCI检索期刊接收，目前正在出版中，其他2篇论文正处于投稿的审稿阶段。同时，以项目研究为依托，培养了4名金融高频数据研究方向的硕士研究生，达到了预期的研究目标。