在SAS中拟合ARCH/GARCH模型

在现代时间序列分析中,各种软件程序扮演了越来越重要的角色,而SAS是其中最重要的软件之一;ARCH/GARCH模型也越来越多的被人们用于分析包含了风险和不确定性的时间序列,比如在外汇市场中ARCH/GARCH模型的结果被认为是作出决策的重要依据.本文就该如何运用SAS来拟合ARCH/GARCH模型进行了较为详细的介绍.     

正态方差混合分布新息GARCH模型的EM估计

近来,人们对实际数据使用厚尾分布进行建模颇感兴趣。一种流行的考虑就是所谓的广义自回归条件异方差(GARCH)模型。不幸的是,在一些应用中正态新息的GARCH模型的尾部不够厚。文章提出新息为正态方差混合分布的GARCH模型并给出了使用EM算法对模型参数作估计的步骤。结果表明,新息为正态方差混合新息分布的GARCH模型比正态新息的GARCH模型有更厚的尾部,因而更能捕捉实际数据中的厚尾特征。文章还以上证指数为例阐述了这一结论。     

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。     

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。     

一种异方差模型的两阶段估计

在异方差线性回归模型中,当模型误差项的协方差阵未知时,对异方差模型进行估计目前还没有比较好的方法。基于此,提出一种异方差模型的两阶段估计—基于异方差一致协方差阵估计,该方法将异方差一致协方差阵估计HC5m和广义最小二乘估计法结合起来,综合使用全部样本的信息,并对异方差模型进行估计。通过大量的蒙特卡洛数值模拟和实证分析,结果表明该方法具有一定的可行性和有效性。     

基于小波Mallat算法和异方差模型的人民币汇率预测

文章首先用小波Mallat算法对RMB/JPY汇率一阶差分数据进行了分解和单支重构,并对单支重构后的近似分量和细节分量进行检验,证实存在条件异方差性;然后,对近似分量和细节分量分别建立了条件异方差模型,同时检验了近似分量序列与原始差分序列的"杠杆效应",显示出一致的结论;最后,对各模型的均值和波动率进行了预测,结果显示结合小波后的预测效果要优于传统的预测模型.     

KMV模型的修正及其应用

传统的KMV模型使用公司价值的历史波动率来近似估计波动率,然而通过本文的实证分析,说明这一近似方法在目前的中国市场环境下不适用。文章使用GARCH(1,1)模型来预测公司价值的波动性,以此计算违约距离,并与使用历史波动率计算的违约距离进行比较,认为使用GARCH(1,1)模型计算的结果与实际状况更加相符。     

沪深300指数极值VaR的分析与计算

文章将GARCH模型和EVT理论相结合,对沪深300指数的风险价值进行分析与计算,并将其与传统基于正态分布假设计算的VaR、GARCH模型计算的VaR以及基于EVT理论计算的VaR进行比较,发现采用GARCH模型和EVT理论相结合而得到的极值VaR能更好地反应沪深300指数的风险。     

GARCH模型的蒙特卡罗模拟方法及应用

文章以长江电力(600900)股票和长电CWB1(580007)权证为例进行了实证研究分析,结合GARCH模型与蒙特卡罗模拟方法,利用Eviews和R语言对长电CWB1权证进行了数值方法的定价.实证结果显示出了金融时间序列的GARCH模型特性,并且蒙特卡罗方法定价与实际价格偏差较小,证实了该方法在期权定价中的有效性.     

国债回购利率预测模型研究

以国债回购利率为研究对象，分别建立ARIMA及GARCH模型，并比较这两种模型的预测能力。研究结果表明：使用传统ARIMA模型，模型ARIMA（0，1，1）配适较好；使用GARCH模型，模型GARCH（2，3）配适效果较好。此外，虽然GARCH模型的预测置信区间的波动性比ARIMA模型要小，但ARIMA模型的预测置信区间更小一些，因此其预测能力比GARCH模型更强。     

中国股市动态VaR计量模型分析

风险测量是现代金融活动的中心。近年来,新兴的VaR测量方法已成为国际上风险管理的主流方法。文章介绍了利用GARCH模型的VaR计算方法,并比较了基于不同分布假设的4种GARCH模型计算的VaR值,并得出以下结论:证券市场收益率具有强烈的GARCH效应和非正态分布性;基于GARCH-T的VaR估计值在给定的显著性水平下能够有效地度量金融资产的风险。     

异方差G-Q检验方法的改进

围绕戈德菲尔德—匡特异方差检验方法(G-Q检验)展开相关问题的研究讨论,并对该检验方法进行改进。在对线性回归模型异方差检验的两个基本问题进行分析阐述的基础上,对G-Q检验中使用的F检验方法进行辨析讨论,并在应用中针对不同形式的数据条件进行拓展;以此研究为基础,设计基于线性回归模型拟合值排序的多元线性回归模型的G-Q检验方法,并对这一方法进行统计模拟和应用检验,以证实该方法良好的检验效果和简便的使用过程。     

最小二乘支持向量机在条件异方差模型中的应用

相对于标准的支持向量机,最小二乘支持向量机是将求解二次规划问题转化为求解一组线性方程,从而能提高求解速度。将最小二乘支持向量机和GARCH模型相结合应用于金融时间序列预测中。通过在实际股票市场预测中的比较分析,能够证实所给方法是可行的、有效的。     

基于商业银行汇率风险的经济资本配置

文章首先检验了人民币对美元日汇率收益序列的特征,在此基础上,建立了ARCH、GARCH和EGARCH模型,比较发现GARCH(1,1)模型有最好的拟舍效果.进而利用GARCH(1,1)模型预测条件方差,研究商业银行汇率风险的经济资本配置.     

GARCH族模型参数估计的EXCEL实现

一、引言Engle(1982)提出的自回归条件异方差性模型(即ARCH模型),将方差和条件方差区分开来,并让条件方差作为过去误差的函数而变化,从而为解决异方差问题提供了新的途径。由于其对现代金融计量经济学发展的重要影响,Engle也因此项学术成就而获得2003年诺贝尔经济学奖。1986年,Bollerslev在ARCH模型的基础上提出了广义自回归条件异方差(GARCH)模型。此后,许多学者在GARCH(ARCH)模型的结构下,又发展出一系列新的模型,统称为GARCH族模型。     

基于EM算法的异方差性Markov机制转换模型的估计

文章将EM算法引入到对异方差性Markov机制转换模型未知参数的估计,并将研究结果运用到我国股票收益率数据的分析,结果表明,该方法很好地拟合了我国股票收益率的波动性特征.该方法为金融波动问题的未知参数估计提供了新的研究思路.     

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.     

基于改进的Grey-Markov对区域碳排放市场价格的预测

文章采用灰色预测法刻画碳价的发展趋势,运用马尔科夫(Markov)理论刻画碳价的随机波动特性,使用并改进Grey-Markov模型预测碳价波动.通过比较其与传统金融时间序列预测模型GARCH的结果,发现改进的Grey-Markov模型能够提高预测的精度.     

基于GARCH模型的CVaR信贷风险度量方法研究

文章针对VaR方法不是一致性度量,不满足凸性,尤其是该模型不能体现尾部事件发生时其可能损失的程度等一系列缺陷;同时针对金融时间序列具有偏性和尖峰厚尾两大特性,用修正的VaR方法——基于GARCH模型的CVaR方法来度量风险。该方法的优点在于可以反映出损失超过VaR时可能遭受的平均潜在损失的大小,解决了VaR方法无法进一步识别风险是可以忍受的还是灾难性的问题,弥补了VaR不能反映损失尾部信息的缺陷,能够防范小概率极端金融风险,降低了银行发生灾难性风险的可能性。     

基于GARCH和EVT的金融资产风险价值度量方法

本文主要根据极值理论(EVT)适合描述金融资产收益的厚尾分布和GARCH模型适合描述金融资产收益时间序列动态变化特性的优点,建立一种基于GARCH模型和EVT模型的风险价值度量方法。并通过中国证券市场实际数据对本文建立的模型进行验证。