变点估计的相合性及其应用

文章主要研究了均值变点估计问题,给出了变点的累积和型估计,证明了变点估计的相合性。利用EViews软件,分别对总体上证指数数据和变点之后的数据建立状态空间模型,通过比较预测结果的绝对百分比误差(APE),得出基于变结构的分段数据所建立的模型预测效果较好的结论。     

基于极值视角的沪深股市收益率的风险度量

文章以沪深股市收益率为研究对象,分别运用收益率的极值分布、收益率的POT模型以及基于收益率序列GARCH模型残差的POT方法计算沪深股市的在险价值(VaR).实证过程发现沪深股市收益率序列均存在明显的尖峰厚尾现象,实证结果表明深市潜在风险高于沪市潜在风险,并且三种方法中基于收益率序列的POT模型计算的VaR精度最高,而对收益率序列应用GARCH模型描述其波动后再对模型的残差进行POT方法计算的VaR精度最低.     

GARCH(1,1)模型的M-H估计及其应用

参数GARCH模型是最常用的度量金融市场波动性的模型。文章对残差基于正态分布的GARCH(1,1)模型通过构造M-H算法对其参数进行了估计,并给出了基于沪市股指收益率数据的实证分析。结果表明:基于M-H算法估计的GARCH模型比基于极大似然估计(ML)方法估计的GARCH模型具有更好的拟合效果和预测能力。     

基于MCMC方法的GARCH模型参数估计

参数GARCH模型是最常用的度量金融市场波动性的模型.运用马尔科夫蒙特卡罗(MCMC)方法对残差基于正态分布的GARCH(1,1)的参数进行估计,由沪市股指收益率数据的实证分析结果表明:基于马尔科夫蒙特卡罗(MCMC)方法估计的GARCH模型比基于极大似然估计(ML)方法估计的GARCH模型具有更好的拟合效果和预测能力.     

使用边际似然函数识别变结构模型

 波动率模型中结构化变点的识别一直是计量经济学中一个备受关注但却很困难的问题。本文将贝叶斯方法引入波动率模型中,并使用边际似然函数的方法来识别模型变点,避免了传统计量方法中缺陷。此外,通过在对两种边际似然函数的计算方法的对比,我们发现这两种方法在进行模型比较和模型选择时都非常有效。实证研究中,本文使用了美国股票市场的数据,有效的识别出美国股市中的结构化变化的次数和变点发生的时间,并对美国股市结构化变动的原因进行了初步探讨。     

基于GARCH模型的深圳股市周内效应研究

有很多学者对股市周内效应进行了深入的研究,但是他们大多都基于经典模型,即对收益率取对数后没有考虑其条件异方差.本文通过对条件异方差的分析,借助GARCH模型识别深圳股市的周内效应,我们得出深圳股市综合指数(1995-2006)存在明显的“负周四效应”。     

基于贝叶斯统计的股票市场结构突变研究

文章运用贝叶斯统计方法研究了我国股票市场结构突变点的问题,并在ARMA模型的基础上对突变点的位置进行推断.通过对2005年1月4日至2014年5月23日的上证综指日收益率序列的实证分析,找到了3个突变点发生的位置,结果表明它们分别对应我国股票市场重大的结构变化.     

含有协变量的复发事件变点模型的参数估计

针对复发事件数据协变量的重要作用,建立含有协变量的复发事件变点模型,考虑协变量作用于强度率函数的情形。对于此模型,使用最大似然方法得到变点及各参数估计,并得到了变点估计的相合性。最后对于同时存在待估参数和待估变点的似然函数,采用最速上升法进行了数据模拟。     

IT行业股价波动性的模型验证

本文应用GARCH、TARCH、EGARCH、GARCH-M模型对行业IT股票收益率进行定量及定性的分析。研究了IT行业收益率的波动性特征及风险性溢价,实证研究表明,我国IT行业的日收益率存在着高阶的ARCH效应,杠杆效应,波动性聚集特征,条件方差对日收益率有着很强的影响,其中GARCH模型在反映股市波动性效果方面优于其他模型。     

金融市场异方差模型及实证研究

文章介绍了两类异方差模型并对上证指数进行实证研究,通过研究表明上证指数日收益率序列具有明显的高峰厚尾特性和非对称性,且收益率平方具有自相关性.对两类模型进行了比较分析,结果显示:无论是从日收益率的峰度来看,还是从平方收益率序列的自相关函数的描述采看,SV模型都优于GARCH模型.     

航班动态定价机制下的机票价格序列变点估计

文章旨在研究受航空业动态定价机制影响下的机票价格序列变点估计模型,文中分析了机票价格u8序列数据的结构特点,提出了可用于高噪声数据环境下、阶梯状、带明显多变点的多阶段序列变点估计框架,该框架中级联组合了DBSCAN算法、EM-高斯混合模型聚类、凝聚层次聚类算法和基于乘积划分模型的变点估计方法等多种成熟的数据分析方法,通过对“北京-昆明”航线航班的实证分析,验证了数据分析框架的有效性和普遍适用性。     

基于混频已实现GARCH模型的波动预测与VaR度量

本文将Hansen等（2012）的Realized GARCH模型扩展为包含日内收益率、日收益率以及已实现波动率的混频已实现GARCH模型（M-Realized GARCH模型）。该模型将日内交易分为前后两段,引入了混频均值方程,并对混频均值方程的残差分别建立条件波动率方程和已实现日波动率方程。本文采用2013-2016年沪深300指数混频数据,分别在扰动项服从正态分布、t分布和广义误差分布的假设下,采用损失函数、SPA检验、kupiec检验和动态分位数检验法,对GARCH、Realized GARCH和M-Realized GARCH模型的波动率预测和VaR度量效果对比研究,得出M-Realized GARCH模型能提高预测精度,且VaR实际失败率与理论失败率一致,失败发生之间不相关。最后,本文利用Block bootstrap方法抽样得到混频数据,模拟证明了M-Realized GARCH模型比Realized GARCH模型具有更高的预测精度。     

细分群体佣金价值随机模型的蒙特卡罗模拟求解

文章以过度自信和处置效应作为细分维度,用K-means聚类对客户按照投资心理细分后,以证券市场收益率为随机变量,分别采用GARCH模型和线性模型对各细分群体的资产周转率和投资收益率建模,得到各细分群体佣金价值随机模型。由于模型无解析解,采用蒙特卡罗模拟法求数值解。实证结果表明,相对于确定性模型,基于投资心理细分和GARCH的客户价值随机模型能够更准确地识别不同投资心理特征群体的长期价值。     

非线性GARCH族的模型平均估计方法

本文考虑了非线性GARCH族的模型平均估计方法。在备选模型集合包含拥有不同模型结构的非线性GARCH族的情况下,本文构建了非线性GARCH族的模型平均估计量,并给出相应的权重选择准则。在一定正则条件下,本文证明上述模型平均估计量具有渐近最优性,即渐近实现真实最优的KL偏离度。蒙特卡洛模拟结果表明,在大部分情形下,本文提出的模型平均估计量取得了更小的相对KL偏离值。作为非线性GARCH族的模型平均估计方法的应用,本文对2016年6月1日至2017年6月1日上证指数的日波动率进行估计,与现有模型选择与模型平均方法相比较,本文模型平均估计方法具有更高的精度。     

基于TARCH-CAViaR模型的股指期货市场波动特性研究

正态随机误差项的GARCH模型并不足以描述金融时间序列中的尖峰厚尾性,考虑正负资产收益对分位数冲击的不对称性,文章采用贝叶斯分析和MCMC方法来估计TARCH-CAVia R模型,对HS300期指日收益率的实证分析显示,市场杠杆效应比较明显,利空消息对股市的影响往往要比相同规模的利好消息来得强烈。     

含均值结构变点时间序列的贝叶斯单位根检验

针对ADF和PP检验对含有均值结构变点时间序列的“伪检验”问题,文章基于贝叶斯理论,先运用贝叶斯因子模型选择的方法检测时序结构变点位置,再在结构变点已知的情况下运用置信区间和贝叶斯因子两种方法检验序列是否存在单位根,并用Monte Carlo模拟方法进行仿真,验证该方法的有效性。研究发现：是否考虑均值结构变点对时间序列的单位根检验有着重要的影响,不考虑结构突变而进行常规的单位根检验会产生误判;贝叶斯方法能够有效检测含有均值结构变点时间序列的变点位置,并能提高单位根检验功效。     

基于GARCH族模型的中国旅游酒店板块指数收益率波动分析

运用GARCH族模型分析旅游酒店板块指数日收益率的波动特征,研究表明：旅游酒店板块收益率是一个平稳过程,其波动具有“聚集”现象和“非对称效应”。GARCH（2,1）模型比GARCH（1,1）模型更好地消除了收益率序列的异方差性;TARCH（2,1）模型的拟合效果最好;GARCH—M模型和非对称的CARCH（1,1）模型都不适用于描述收益率的波动特征。     

涨跌停板制度对沪深股市不同期限股指收益率波动性的影响

本文利用ARCH/GARCH模型研究了涨跌停板制度对沪深股市日、周、月收益率波动性的影响.实证结果表明涨跌停板制度改变了两市周收益率和沪市月收益率的波动特征和日收益率的波动结构,并且对收益率波动性较高的上海市场的影响大于对深圳市场的影响,对上海市场长期收益率波动性的影响大于对短期收益率波动性的影响.     

资产相关结构对投资组台风险测度的影响分析

文章从分析金融资产收益率的统计特征入手,以GARCH模型为基础.用非对称幂分布描述组合资产中各金融资产收益率的边缘分布函数,在多种Copula函数情形下计算组合资产的风险值VaR及ES.结果表明:基于由多元Clayton Copula和多元Gumbel Copula组成的混合Copula函数较好地刻画了多只股票的相关结构,而且ES比VaR能够较准确地估计组合资产的尾部风险.     

沪深300指数统计特征研究

文章以2005年4月8日至2007年10月30日沪深300指数日收盘价格序列为样本,以复合收益率为研究对象,通过对股市收益率非正态性检验,分析了沪深300指数的一些典型统计特征,验证了沪深300指数收益率"尖峰厚尾"的特性。因此有必要寻找一种更合适的模型,以便更准确地反映沪深300指数收益的真实分布。最后对其进行了GARCH效应的检验,结果表明沪深300指数收益率的波动存在着显著的GARCH效应。