中国股票市场的时变杠杆效应研究——基于随机Copula模型的实证分析

构建随机Copula模型研究了中国股票市场在极端市场条件下的时变杠杆效应.为了解决金融市场中波动率不可直接观测的问题,采用已实现波动率测度作为隐波动率的代理变量,进而运用基于有效重要性抽样的极大似然(EIS-ML)方法估计了随机Copula模型的参数.基于沪深股市数据的实证研究表明:中国股票市场的杠杆效应具有非对称特征,即股市低收益率伴随高波动率,但股市高收益率不一定伴随低波动率;中国股票市场的杠杆效应存在显著的时变性,沪深股市杠杆效应表现出类似的变化趋势;随机Copula模型相比其它Copula模型(静态Copula模型和时变Copula模型)具有更好的数据拟合效果.     

次贷危机对中国股市影响的实证分析——基于中美股市的联动性分析

为了揭示次贷危机引发的金融风暴对我国内地股市的冲击大小,本文基于中关股市的联动性,采用时变t—Copula模型测算次贷危机对内地股市的影响程度。结果显示,次贷危机加剧了我国内地股票市场的震荡,不过次贷危机对内地股市冲击的程度并不高,而且次贷危机爆发后对内地股市的影响呈阶段性的变化;结果也显示香港股票市场在危机的传染中扮演着重要的作用,由次贷危机引发的美国股市的剧烈震荡易于通过香港股票市场传导至内地股票市场。     

美国次贷危机与大萧条的比较

大萧条与次贷危机均起源于美国,并逐渐蔓延至全球其它地区,对世界经济造成了严重的破坏。但由于次贷危机爆发后全球应对得当,并未对实体经济造成太大伤害,而大萧条时,美国政府对自由经济的过分迷恋、信任,未及时进行救助,甚至危机期间一些政策又加剧了危机的蔓延,致使整个经济受到严重破坏。本文通过对人类历史上最严重的两次危机比较,让我们更清楚的了解二者之间的异同,了解放任不管的自由经济本身的弊端以及政府干预的必要,从而对经济危机以及其处理办法又更深的认识。     

美国次贷危机及相关解决方案分析

文章首先详细介绍了美国次贷危机，接着从微观和宏观经济的层面论述次贷危机的成因，然后针对美国政界人士提出的四个解决方案进行分析，希望本文通过本文对美国次级贷款的分析能对对我国个人住房抵押贷款给予一定的启示。     

美国次贷危机对我国商业银行的启示

美国次级抵押贷款的问题自2007年7月开始暴露,进而引发以其为基础资产的证券化产品—住房抵押次级贷款危机,之后如同多米诺骨牌一般迅速波及全球金融市场,也对处于经济金融高位运行的中国敲响了警钟,本文分析了次贷危机产生的原因及其对我国商业银行经营管理的启示。     

基于条件概率积分变换的多元Copula函数选择

本文构建了基于条件概率积分变换的Copula函数选择方法,通过对条件概率积分变换下Anderson-Darling(AD)、Kolmogorov-Smirnov(KS)、Cramér-von Mises(CM)这三种统计量的比较,讨论在不同样本容量和变量维数下其对多种Copula函数的拟合效果。利用GSPTSE、INMEX.MX和NDX三大股指样本,将基于条件概率积分变换的Copula函数选择方法与核密度估计和极大似然估计选择法的效果进行系统比较。结果表明,基于条件概率积分变换的检验法可以有效解决多元Copula函数的选择问题,其拟合优度检验更精确、更稳定;核密度估计检验在大样本下比较稳定,而小样本下稳定性较差;相比之下,极大似然值检验法则不稳定。     

美国次贷危机的传染机制及其对中国金融经济的影响

本文利用动态条件相关多元GARCH模型（即DCC—MGARCH模型）对有关市场数据进行动态相关性分析,并紧密结合对经验事实的观察,探讨次贷危机爆发后美国与中国的金融市场和世界主要商品市场——石油市场的动态变化机理,揭示危机在不同的金融市场之间、商品市场之间以及与实体经济之间,通过资本流动、信息传递以及投资者心理和预期变化来传导的动态传染机制,特别是危机对中国金融经济的影响机制和表现。     

次贷危机中的传染机制研究和策略分析

本文在次贷危机的背景下,对造成违约蔓延的传染机制进行了深入的分析。对于传染机制的解释,一种是源于因果效应：即一个公司的违约导致其他有业务关系公司的财务困境;另一类解释源于信息效应：即当投资者得知某个违约时会产生对其它债务人信用的修正,从而导致一个传染风险溢价。本文在不同的传染机制下,提出了一个统计上非常有用的违约传染模型,此传染模型中的参数可以定量研究公司违约的传染效应,通过模型说明控制好违约的传染率可以有效的控制金融危机的爆发,并且能够定量地给出控制策略。     

基于时变Copula的供电公司多期购电组合优化模型

针对供电公司在多市场、多阶段的购电组合问题,构建了以供电公司期末收益最大、以多期一致性风险度量函数测度的风险最小的多期购电组合优化模型。其中考虑到电力日前期货市场和实时市场电价序列的尖峰、厚尾特性和两市场电价序列间的相关结构,采用时变SJC Copula-(GARCH-T,GARCH-GED)模型拟合电价序列,并进行模拟。算例结果表明,多期投资组合决策优于单期连续决策,也优于整体购电决策。     

反思美国次贷危机对我国商业银行的影响

美国次贷危机爆发。这给我国的金融机构敲响了警钟，如何采取有效措施防止资产泡沫的产生和堆积，加强对商业银行和其他金融机构的监管，避免次贷危机对我国金融机构的实质损害，对于我国的金融机构生存发展至关重要。     

基于时变需求的一对一供应链库存决策研究

随着竞争日趋激烈,需求变化节奏加快,需求时变性越加明显.在需求时变的环境下探讨了等周期补货情形下缺货时点优化以及非等周期补货情形下缺货时点与补货时点优化问题,特别着重研究了补货时点局部优化与整体优化的决策模型,并对非等周期补货与等周期补货、补货时点整体优化与补货时点局部优化作对比分析,并发现,在时变需求环境下非等周期补货与补货时点整体优化在降低库存成本方面具有明显优势.同时,分析了补货时点优化的效果与供需双方补货次数、需求时变性的关系.     

不同时变Copula-EVT-ES模型精度比较研究

结合EVT极值理论,构建了4类时变Copula模型,拟合了股指间的动态极值相依系数,并对各类资产组合进行了预期损失ES风险测度.通过Backtesting方法,对比研究了不同时变Copula-EVT-ES模型的风险测度精度.实证结果表明,在市场极端波动状况下,结合EVT极值理论的时变Copula-ES模型能够对资产组合尾部极值风险进行有效测度,并且对于空头头寸的风险测度效果优于其在多头头寸的表现.善于刻画变量间厚尾极值相依关系的时变tCopula-EVT-ES能够取得较好的组合风险测度效果,而对于二元资产组合,在高风险水平上,时变SJC Copula-EVT-ES模型也值得重点关注.     

基于核心-边缘网络的中国银行风险传染

采用核心-边缘网络刻画我国银行间市场的网络结构,结合各银行同业往来资产和负债信息构建风险传染模型,对单个银行倒闭以及资产价格泡沫破灭两种情况下的传染过程进行模拟.研究发现,近年来我国银行系统的抗风险能力不断增强,但在所有银行中中国银行的风险传染程度最严重,应该加强对系统重要性银行的重视.同时,防范银行危机的关键在于控制资产价格泡沫,在合理的资产价格水平下,外界冲击难以对银行系统的安全性构成威胁.     

基于时变Copula的房地产业与银行业尾部动态相关性研究

文献多数从线性相关和静态相关的视角研究房地产业与银行业(金融业)的相关性,本文基于大智慧“板块指数”中的“房地产”(代表房地产业)和“银行类”(代表银行业)数据,采用GARCH、EVT和时变Copula模型研究房地产业和银行业的动态尾部相关性.实证结果表明,时变Copula模型刻画尾部相关性的效果优于静态模型,时变SJC-Copula的建模效果相对最好;样本考察期内,上、下尾相关系数均为正,分别落在区间[0.2287,0.6146]和[0.4666,0.7143]内,且下尾相关系数均大于上尾相关系数,说明市场低迷时,房地产业和银行业易产生共生风险,并且低迷时的相关性强于活跃时的相依性;上、下尾相关系数均具有自相关性、ARCH效应.分析月均下尾相关系数发现,房地产业和银行业的下尾相关性具有“政策效应”:下尾相关系数相对较低的月份往往伴有严厉的房地产调控政策出台或之前的月份出台了调控政策,意味着房地产调控政策将弱化房地产业和银行业的下尾相关性.未来应继续执行或出台更严厉的调控政策,降低银行业与房地产业的共生风险,促进房地产业的健康发展.     

基于免疫系统的非常规突发事件风险识别模型

非常规突发事件的风险识别是应急管理的核心科学问题之一,由于理论研究和实践应用中常常面临“无真可仿”的局面,使得风险识别成为亟待解决的难题.本文综合运用免疫学理论、复杂适应系统涌现理论和计算实验技术,提出了风险识别器抗体向非常规突发事件抗原进化的理论,建立了风险识别的亲和度、抗原清除效果、风险识别器数量和能量等识别标准体系及其模型,采用识别亚非常规突发事件和各类事件组合关系以及它们的涌现来无限接近地认识非常规突发事件的研究思路,通过计算实验和算例分析,验证了研究成果的科学性和可行性.     

客户流失危机分析的决策树方法

叙述了客户流失的基本概念,分析客户流失危机产生的原因,指出了传统的客户流失危机分析方法存在的问题,在ID3算法的基础上,提出一种加权熵的概念,并对ID3算法进行改进,提出了一种基于决策树的客户流失危机分析方法,通过一个客户流失危机的分析实验对该模型进行了验证.实验结果表明该方法是可行的和有效的,为客户流失危机分析和预警提供了一种新的研究思路和分析方法.     

基于小波的金融危机时点探测与多重分形分析

在金融危机时点前后,市场的动力学会呈现出异常剧烈的波动。准确定位金融危机时点是区分出金融危机前后股市多重分形特性的关键步骤。与其他方法相比,小波变换模极大值法（WTMM）的优势在于它可以侦测出突变点并对金融市场的多重分形特性进行分析。研究通过小波变换模极大值法（WTMM）所建立的模极大值线将道琼斯工业指数（DJI）与东京证交所股价指数（TPX）的金融危机时点定位出来,随后基于所侦测出来的道琼斯工业指数（DJI）突变点对该指数进行多重分形分析。分析发现：小波变换模极大值法（WTMM）不仅可以准确定位金融危机发生的时点,还可以刻画出多重分形特征在金融危机前后的演化。实证结果验证了分形市场假说（FMH）关于市场发生崩溃的起因,也为金融风险管理提供了一个新思路。     

基于无损卡尔曼滤波的HJM模型及实证研究

在多因子HJM框架下,将一类具有特定波动率结构设定的非马尔可夫远期利率模型转化为马尔可夫模型,并将其表示成状态空间模型形式.进一步,引入基于无损卡尔曼滤波的极大似然估计法对HJM模型进行估计,解决了模型非线性和潜在状态变量的问题.实证研究中,基于上海银行间同业拆放利率(SHIBOR)期限结构的实际动态特性,对HJM模型的波动率结构进行相应的设定,并引入随机市场风险价格,构建了SHIBOR期限结构的三因子HJM模型.结果表明,三因子HJM模型可以很好的刻画SHIBOR期限结构的动态特性和波动率结构,水平因子和斜率因子是驱动SHIBOR利率系统的主要因素.