基于动态因子Copula模型的行业间系统性风险分析

国际金融市场间的相关关系以及系统性风险受到很多学者的重视，本文则以我国股市的行业指数作为研究对象进行实证研究。通过构建动态因子Copula模型，文章对行业的日收益率数据进行了动态相关性分析，并基于风险预期占比度量了我国行业之间系统性风险的溢出效应。本文分析了2006年1月4日至2016年7月1日的28个行业指数数据，基于GAS动态负荷因子的变化路径来刻画其相关关系，通过风险预期占比来研究行业间的风险溢出效应。研究表明，各个行业指数收益率之间存在较强的关联性。就单个行业来说，化工行业与其他行业关系最为不稳定。就金融与非金融行业而言，金融行业对非金融行业的影响较大且较为平稳。本文所得研究结果可以为投资者和风险管理者在进行决策时提供一定的指导。     

基于变系数分位点回归的金砖四国金融稳定分析

金融不稳定性累积到一定程度就会引发金融危机,而新兴市场作为世界经济发展的重要增长点,同时也是金融危机爆发的重灾区.因此,新兴市场金融稳定性的研究至关重要.本文基于新兴市场代表国家——金砖四国(中国,俄罗斯,印度,巴西)的主要综合股指对金融稳定性进行了实证研究.与传统金融稳定性的研究方法不同,本文考虑系统性冲击在正常和极端市场下对不同国家金融市场的影响.首先应用分位数回归模型对金砖四国的金融稳定性进行检验,进而基于变系数分位数模型研究系统性冲击对金融市场稳定性的影响随时间变化的趋势,对金融稳定性进行了时变分析.实证结果表明,金砖四国都具有某种程度的金融不稳定性,近期中国和巴西在5%分位点处的金融不稳定性受系统性冲击的影响相对于印度和俄罗斯更加剧烈.     

基于分位点回归模型的条件VaR估计以及杠杆效应分析

 在文献中，分析杠杆效应时大多数都是基于ARCH类模型，本文应用分位点回归模型及其变点检测模型分析了“已实现”波动率条件下的CVaR，并尝试从CVaR的角度对杠杆效应进行分析。最后，对中国股票市场进行了实证研究，得到了“已实现”波动率条件下的CVaR估计，并对中国股市的杠杆效应进行了分析。     

生存分析与股指涨跌的概率推断

通过研究上证指数连涨连跌的收益率,发现其服从伽玛分布,并且可得出股指涨跌的条件概率,以及极值时的情况,进一步研究了成交量的影响,从而说明了技术分析特别是价量分析为何在实际中仍然被广泛运用.可认为随机游动假说是一种粗糙的近似,本研究也有助于加深对市场有效性理论的认识.     

基于非参数时变Copula模型的美国次贷危机传染分析

金融危机传染分析是国际金融领域中的重要课题,本文对Copula变点检测方法进行推广,采用时变非参数阿基米德Copula模型检验金融危机传染的存在性及其变化趋势,以时变尾部相依系数的大小来度量危机传染程度,并结合系数的变化趋势和时间段对金融危机传染效应进行分析.最后选择全球六个主要股票市场指数和S&P500指数进行危机传染实证研究,得出次贷危机对不同国家或地区的传染效应有所差别.     

非实验数据政策效应评估理论与实证研究方法

非实验数据政策效应的研究是管理科学研究中的一个重要方向。政策效应评估理论在国外研究发展已经有很多年历史,但国内这一领域的研究甚少。基于此,本文对政策效应评估理论和实证研究方法做了一个较为全面的概括,侧重介绍了目前常用的三种评估方法:选择修正法、DID法和匹配法,并就一些我们在实际问题处理过程中需要注意的问题进行了探讨。     

基于尾部指数回归方法的CVaR估计以及实证研究

 在险价值VaR是一种非常重要的金融风险度量方法,近期也有很多关于动态VaR以及条件VaR (CVaR) 等方面的研究。根据金融资产的收益率具有重尾特征这一事实,本文假定金融资产收益率服从重尾分布,并假定重尾分布的尾部指数随着收益率发生变化。本文基于尾部指数回归模型对重尾分布的尾部指数进行估计,进而得到收益率尾部数据所服从的条件分布,并首次运用该方法对条件VaR进行估计。本文对沪深300指数进行了实证研究,得到CVaR的估计,并对估计得到的CVaR的预测效果作出检验,并与传统VaR估计方法进行了对比,实证结果发现本文的方法的预测效果更好。     

基于变结构协整的股指期货跨期套利

随着中国股指期货市场成交量的扩大和流动性的加强,合约间价差的变化更加复杂和多变。为了改进传统跨期套利策略的效果,使用允许结构突变的变结构协整模型对价差进行建模,设计了一套完整的程序化交易策略,并选取IF1311,IF1312,IF1401和IF1402的真实高频交易价格数据进行实证研究。结果表明：中国股指期货合约价格存在大量突变现象,变结构协整模型策略在3对合约间的交易表现相较于传统模型策略,能捕捉到更多交易机会、更高的收益率和更大的夏普比率。     

高频连涨连跌收益率的相依结构以及CVaR分析

本文通过高频分笔数据定义了高频连涨、连跌收益率,并对两者的边缘分布以及相关特征进行了分析。为了在连涨(连跌)条件下对连跌(连涨)收益率的风险特征或者条件分位点进行分析,首先对两种收益率进行了两种不同的配对,得到两者的联合序列,并应用Copula方法来分析对两种收益率之间的相依结构,进而基于联合分布对条件VaR进行估计。最后对美国市场的BAC和JPM两支股票进行了实证分析,并从CVaR的角度验证了上涨和下跌时的不对称性以及杠杆效应。     

基于虚拟变量分位点回归模型的条件VaR估计以及杠杆效应分析

已有成果在研究杠杆效应时大多数都是基于ARCH类模型,从波动率的角度进行分析的。本文应用分位点回归模型以及含有虚拟变量的分位点回归模型分析了"已实现"波动率条件下的CVaR,并尝试从市场风险的角度对杠杆效应进行分析。最后,对中国股票市场进行了实证研究,得到了"已实现"波动率条件下的CVaR估计,并从风险的角度证实了中国股市的市场风险存在杠杆效应。