基于GARCH和有偏EWMA模型预测股票价格

EWMA方法是金融风险研究中重要方法之一.文章将有偏EWMA模型与GAKCH模型相结合,详细介绍了有偏EWMA模型的参数估计,并建立了相对准确的股票交易价格波动幅度预测模型,对3只股票进行了价格预测.实证分析表明,有偏EWMA模型比标准EWMA模型预测的效果好.     

半参数模型中两步估计与最小二乘估计的比较

文章在MSE准则下对半参数模型中的参数的两步估计和最小二乘估计进行了比较,给出了参数的两步估计优于最小二乘估计的充分条件。     

基于非对称Laplace分布研究VaR

风险价值(Value-at-Risk简称VaR)是度量市场风险的一种普遍使用的工具,可看作是市场风险度量的基石。本文基于非对称Laplace分布来研究VaR,详细地讨论了非对称Laplace分布的性质、参数估计,并用该分布去拟合中国股票市场收益率的分布。实证分析表明,非对称Laplace分布比正态分布、对称Laplace分布的拟合效果有明显的提高。     

基于Copula-SV模型的投资组合风险分析

文章将Copula函数和SV模型相结合,建立了投资组合风险分析的Copula-SV模型,对我国股票市场实际的组合投资问题进行了实证风险分析;并与Copula-GARCH模型下的投资组合风险值进行比较,取得了满意的结果。     

基于幂律型分布的动态VaR模型及实证研究

针对金融资产回报时间序列的尖峰厚尾性和波动集聚性,提出了基于AR(1)-GARCH(1,1)模型与幂律型分布相结合计算VaR的方法。用GARCH模型对时间序列建模刻画波动集聚性,用基于幂律型分布的扩展形式拟合GARCH模型的残差分布尾部,刻画回报时间序列的厚尾特征,二者结合更好地描述回报时序的动态波动现象。对上证综指进行实证分析,结果表明本文提出的方法比基于正态分布的GARCH模型和静态幂律尾法更精确。