KODA的结构、风险特征与定价研究

文章对被称为金融毒品的衍生品KODA(也称累计期权)进行了深入研究,在解析KODA结构特征的基础上,采集汇丰控股股票近3年价格数据,应用Monte Carlo方法,对KODA的损益分布进行了模拟分析,给出了该产品的风险度量指标VaR和CVaR,并给出了KODA的期初价格.实证分析结果表明KODA的损益分布具有典型的尖峰厚尾、左尾损失分布宽、右尾盈利分布窄的特点;风险大且对标的资产的收益与波动非常敏感;,KODA的期初价格不接近零.结论表明KODA确实是一个结构复杂、风险极高且盈利有限,产品设计不合理的金融衍生品,不适合作为套期保值的工具.     

应用不等权重支持向量机预测人民币汇率的变动

基于金融时间序列的近期数据对未来的影响会大于早期数据,对应用于金融时间序列预测的支持向量机方法进行改进,给出了不等权重支持向量机方法（USVM）及其多项式光滑化处理。将不等权重支持向量机方法应用于训练样本集的子集确定预测模型,实证分析表明USVM算法预测是有效的。     

多阶段资产组合选择均值-VaR模型和均值-方差模型的比较

本文建立了多阶段情形下的均值-方差模型和均值-VaR模型,并比较了两种模型的不同性质,给出了两种模型下的最小方差组合性质和在收益率的均值-标准差坐标下,不同的风险度量方法产生的不同的有效边缘以及VaR模型置信度趋于1时的极限性质,最后给出了分析的数值例子.     

消费习惯、递归效用函数与股权溢价

文章构造了基于习惯形成—递归效用函数的消费—资产组合投资模型,所提出的模型是对Merton(1973)、Bakshi和Chen(1996a)、Anne Epaulard和Aude Pommeret(2003)研究的推广。通过对模型求最优解,并利用投资者的行为参数与消费习惯参数进行模拟计算,发现在不同的参数数值下,所得出的投资者相对风险规避系数是合理的。因此,论文提出的消费投资组合模型在一定程度上解释了股票溢价之谜。     

遗传支持向量机及其在人民币汇率变动方向预测中的应用

文文章基于金融时间序列的近期数据对未来的影响会大于早期数据,对应用于金融时间序列预测的支持向量机方法进行了改进,给出了不等权重支持向量机方法（USVM）及其多项式光滑化处理;将不等权重支持向量机方法应用于训练样本集的子集确定预测模型,给出了遗传不等权重支持向量机方法（GAUSVM）;对GAUSVM应用于汇率变动预测的实证分析发现,通过利用遗传算法对预测模型选优能够有效地提高USVM预测效果,加强其数据挖掘的功能。     

数学与现代金融投资理论

文章分析了数学在现代金融投资理论中的作用以及对金融市场发展的影响。并在此基础上,探讨了目前兴起的交叉学科—金融数学发展中的问题。     

基于SV-Copula模型的相关性分析

内容提要: 本文结合SV模型和Copula技术,建立两变量金融时间序列的Copula-SV模型,并以上海综合指数和深圳成分指数为例利用建立的模型进行分析,根据采用不同的Archimedean Copula函数,通过使用K-S检验说明用Clayton Copula研究上证综指和深圳成指的下尾相关性,用Gumbel Copula研究上证综指和深圳成指的上尾相关性是合适的,从而风险管理者就可以根据尾部相关性,定量的研究两个市场的相关性及预测市场的变化。     

基于特征提取的金融时间序列形态挖掘

以金融时间序列的上升三角形形态为例给出了金融时间序列挖掘与特征提取的方法，在挖掘过程中充分利用挖掘者的经验背景知识，提出了一种基于特征提取的金融时间序列形态挖掘算法。该算法首先对金融时间序列进行趋势化预处理，将曲线转化为折线表示，形成形态的趋势片断，然后再从这些趋势片断中提取出相关形态的属性特征。它提高了序列形态特征提取的有效性，使搜索空间大为减小。     

基于多维t-Copula函数的投资组合的CVaR分析

文章根据Copula函数在构建反映随机变量实际分布与相关性的联合分布函数上具有的优势,构建了反映多个资产收益实际分布和相关性的联合分布函数,并使用蒙特卡罗模拟技术,分析在不同置信度与资产组成下的投资组合的CVaR(条件风险价值).实证说明,根据本文提出的模型度量资产的风险,可以使投资者选择的资产更加稳健;同时也有利于投资者对投资组合整体风险进行分散和监管.     

商业银行利率风险管理方法的比较研究

本文分析了三种主要的利率风险管理方法,说明了它们各自的适用范围和应用上的难点,其中重点分析衡量隐含期权风险的有效久期-凸度方法及其计算基础OAS模型,以此为我国商业银行选择适合的风险管理方法提供依据。