金融风险管理的非线性SV模型及其应用研究

金融风险管理的非线性SV模型的优点在于用它可以检验不同函数形式的随机波动,该模型的检验仅基于一个单独参数δ.在非线性SV模型的基础上,进一步把它扩展为具有杠杆效应的非线性SV模型.本文使用上海和深圳股市的指数日收益数据进行了实证分析,借助BUGS软件,利用Gibbs取样的MCMC方法对模型进行了贝叶斯参教估计,证明了应拒绝对数正态SV模型,而使用非线性SV模型.     

金融风险规避策略研究

主要从我国金融风险的表现、产生原因、管理与控制现状出发,结合中国入世后我国金融市场面临的机遇和挑战,提出了必须整顿和规范金融市场、构建完善的金融体系、加强金融风险管理和建立金融风险保险机制等风险规避策略。     

厚尾SV模型的贝叶斯分析及其应用研究

SV模型在实际应用中大多都假定以潜在波动为条件的收益的分布是正态的,本文分析并比较了正态SV模型和具有厚尾分布,特别是t分布的SV模型。为了估计SV模型的参数,我们使用了BUGS软件,该软件借助Gibbs取样(一种MCMC方法)方法对模型进行贝叶斯分析。用上海和深圳的股票指数数据对两种SV模型进行了检验,认为厚尾SV模型可以更好地刻画收益的尖峰厚尾以及波动高的持续性。最后提出了使用BUGS软件对SV扩展模型进行估计的展望。     

Copula理论在金融上的应用

Copula理论与面向均值、方差和线性相关的建模方法不同,copula模型是对整个联合分布建模,因此可以提供更多有用信息,特别是可以捕捉到非正态、非对称分布的尾部信息。运用copula理论建立的多变量金融时间序列模型可以替代向量GARCH模型,用以描述随机变量间时变的条件相关关系,并可广泛应用于金融市场的相关性分析、资产定价和风险管理等金融领域。