基于Cox的财务困境时点预测模型研究

文章借助上市公司提前三年的财务比率数据,采用不同的样本比例和分界点,及其不同样本观测期对基于Cox的财务困境时点预测模型的判别能力和稳定性进行了分析.结果表明,该模型不但能提供80%以上的判别精度,而且具有估计公司未来存活时间的能力,可提供困境发生的时点预测,具有"判断"和"化解"风险的双重功能,是其他预警模型所无法实现的,是一种更为直观、动态和精确的财务困境预测方法.     

Cox模型中的自适应Lasso变量选择

文章考虑了Cox模型的变量选择问题,将自适应Lasso引入到Cox模型中,提出了一类基于惩罚偏似然函数的自适应Lasso估计程序.通过对偏似然函数采用二阶泰勒展开式近似逼近,运用循环坐标下降法求解模型,再借助牛顿-拉普森迭代完成整个变量选择和估计过程.随机数据模拟的结果表明该方法具有优良的变量选择效果,并适用于高维数据.     

熵损失函数下广义线性混合模型协方差矩阵谱的分解估计

文章在熵损失函数下,通过计算得到了广义线性混合模型协方差矩阵谱分解估计的风险函数;研究了广义线性混合模型协方差的谱分解估计在一定估计类中的优良性;最终证明了在熵损失函数下,由最小二乘理论得到的无偏估计优于其他两个有偏估计。     

随机右截尾情形下两个Cox模型的参数估计

研究了随机右截尾情形下两个单参数Cox模型的参数估计.在两个Cox模型的参数都未知时,得到了两个Cox模型的参数的具有强相合性的最大似然估计与参数比的区间估计.     

金融资产投资组合的风险度量研究

文章在运用TGARCH模型过滤金融资产的波动时变性和杠杆效应之后,利用半参数GPD模型刻画了每一个资产标准残差的边际分布函数,并用Copula函数连接各个边际分布函数建立了联合分布函数。样本内、样本外检验结果表明:该模型能够较好地度量市场风险,可达到理想的风险管理效果。     

关于对时序模型定阶方法的研究

目前时序模型的理论研究和应用都十分活跃,在所有利用时序模型进行时间序列分析与预测模型当中,以移动平均ＭＡ（ｑ）,自回归ＡＲ（ｐ）和混合自回归移动平均ＡＲＭＡ（Ｐ,Ｑ）模型为最常用,而建立时序模型最为关键的、也比较困难的是确定模型的阶数。本文是对国内外各种文献中的时序模型定阶方法进行系统的归纳分类整理、比较分析、优劣评价及其适用条件与场合的研究。　　一、基于相关分析确定模型阶数的方法　　１利用样本自相关函数ρｋ和样本偏自相关函数φｋｋ的截尾性来判定模型的阶数ＢｏｘＪｅｎｋｉｎｓ提出使用样本…     

BMM模型在商业银行操作风险度量中的应用

文章利用极值理论中的BMM模型对商业银行操作风险损失极端值分布进行估计,采用广义极值分布构建VaR模型,组建极值数据组,运用极大似然估计法估计两个参数,进而计算操作风险损失VaR。最后结合我国商业银行1994~2008年的220个操作风险损失数据进行实证研究,结果显示BMM模型具有超越样本的估计能力,在数据较少条件下能得到较准确结果,用其度量商业银行的操作风险损失VaR是合理的,这为我国商业银行操作风险度量和管理提供一定的量化依据。     

基于时变相关的混合Copula模型的投资组合风险分析

由于金融时序数据具有时变非对称相关的特征,文章通过构建时变相关的混合Copula函数对金融时序数据的尾部相关和对称相关性进行捕捉,并以此为基础估计投资组合的VaR值,通过对比,发现基于时变混合Copula的函数能够更准确地捕捉投资组合的风险。     

两种房屋抵押贷款违约概率模型的比较

美国次级危机引发了全球性的金融危机,使得银行必须加强风险控制。现阶段银行面对的主要风险是贷款的信用风险,房屋抵押贷款是银行贷款业务的主要部分。文章对房屋贷款违约模型分别给出了Logistic违约模型和Cox比例危险违约模型,利用美国某州的次级贷款违约数据进行了分析和比较,指出了Cox比例危险违约模型可以给出借款人每个时点的违约风险度量,相对于Logistic回归违约模型具有较高的准确性和稳健性。     

竞争风险下我国住房抵押贷款风险的实证研究

 本文利用我国住房抵押贷款持续期数据,对贷款终止的提前还款和违约这两种情形展开研究,估计了竞争风险下Cox比例危险模型,刻画我国住房抵押贷款的两类风险概率随协变量变化的时间效应。对竞争风险下的Cox比例危险模型,本文计算了相应的Cox-Snell残差和Deviance残差用于模型的拟合检验,检验表明本文估计的竞争风险模型用于抵押贷款持续期数据的分析是合适的。本文进一步讨论了基于持续期的贷款终止风险研究在银行抵押贷款证券化和信贷风险管理中的意义。     

基于ECM模型的期货动态VaR套期保值

在期货市场上进行套期保值,其核心问题是套保比的估计.以动态VaR为目标函数,考虑现货期货的协整关系及联合收益波动的动态变化性,建立基于ECM模型的动态VaR最优套期保值比模型.对DCC模型、ECM-CCC模型和ECM-DCC模型进行样本内外的实证对比分析,发现考虑现货期货协整关系的DCC模型在价格波动剧烈时套保效果好,而在价格平稳时ECM-CCC模型的套保效果较好;在现货期货价格波动剧烈时,需要更多的期货来规避现货风险,且套保效果低于平稳时期的.     

基于记录值样本的指数分布参数的损失与风险函数的Bayes估计

文章基于记录值样本,利用Rukhin提出的一类新的损失函数,将决策误差和统计判别法则结合起来,在共轭先验分布下得到了指数分布参数的损失函数和风险函数的Bayes估计,并给出了相应的Bayes估计为保守估计的条件。     

基于熵损失和记录值样本的指数分布模型参数的估计

文章在熵损失函数下,基于记录值样本,得到了指数分布参数的最小风险同变估计、Bayes估计和经验Bayes估计,并给出了数值模拟例子。     

固定效应部分线性单指数面板模型的惩罚分位数回归

分位数回归是均值回归的有益补充,该方法毋须对分布函数的具体形式做出假设,且对具有异常值或厚尾分布的数据仍具有稳健性.当前,对部分线性单指数面板模型估计方法的研究主要集中于均值回归,基于此,本文考虑了固定效应部分线性单指数面板分位数回归模型,结合B-样条函数、SCAD惩罚函数和迭代加权最小二乘法,构建了模型的估计方法,证明了估计方法的一致性和渐近正态性,同时利用Monte Carlo模拟评价了所述方法在有限样本下的表现.最后,将估计方法应用于分析碳排放的影响因素.     

基于Cox过程的操作风险度量方法

文章讨论了操作风险的度量问题,将操作风险事件的发生假定为Cox过程--一种比Poisson过程更一般的计数过程,损失分布为广义帕累托分布(GPD),各风险事件的相关性由Copula来描述;分析了金融机构整体操作风险的度量.文章还讨论了模型中参数的设定与估计问题,为了使得模型可以在实际中应用,Monce Carlo模拟也给与了考虑.     

稳健AR模型的构建及其在金融时序中的应用

时间序列自回归AR模型在建模过程中易受离群值的影响,导致计算结果与实际不相符。针对这一现象,运用FQn统计量对传统自相关函数进行改进,构建出自回归AR模型的稳健估计算法,以克服离群值的影响,并对此方法进行了模拟和实证分析。模拟和实证分析均表明:当时序数据中不存在离群值时,传统估计方法与稳健估计方法得到的结果基本保持一致;当数据中存在离群值时,运用传统估计方法得到的结果出现较大变化,而运用稳健估计方法得到的结果基本不变.这说明相对于传统估计方法,稳健估计方法能有效抵抗离群值的影响,具有良好的抗干扰性和高抗差性。     

基于γ散度的单元水平模型小域稳健估计

在基于抽样调查数据对总体参数进行估计的方法中，小域估计方法能够借助于辅助信息对小样本乃至无样本区域的参数进行有效的估计，并被广泛应用于抽样估计领域。单元水平模型作为小域估计的基本模型之一，是处理单元级别数据估计的有力工具之一。在单元水平模型的应用条件中，需假定区域随机误差和模型随机误差均服从正态分布。然而，在抽样调查中，满足这一条件的调查数据是很少的，尤其是在观测数据中出现离群值时。不满足正态性假设条件下的小域估计量会产生较大的偏差和均方误，因此有必要研究针对正态性假设和离群观测值不敏感的稳健估计方法。通过引入γ散度和γ似然函数，构建了基于单元水平模型的小域稳健估计方法，得到了模型参数的稳健估计和小域目标变量的稳健估计。与现有的稳健估计方法相比，所提新方法能更好地处理区域随机误差和模型随机误差非正态的情形，对于目标变量存在离群观测的情形，具有更好的稳健性，估计均方误更小。在利用模拟数据进行验证中，比较了不同误差分布情形下几类常用估计方法得到的估计量的均方误差，并进一步探究了随着污染分布的方差和比率变化，所得估计量的均方误差变化情形。最后，通过应用于经典的小域估计数据，进一步验证了所提新...     

基于记录值样本的Rayleigh分布模型的参数估计

文章在均方误差损失函数下,基于记录值样本得到了Rayleigh分布参数的最小风险同变估计和Bayes估计,并讨论了一类cX2U(n)+d形式估计的可容许性和不可容许性.     

建设项目风险等级的划分

对于工程建设项目风险的等级划分,多数停留在一个经验估计的基础之上,仅以比较模糊的高中低的说法来分级。本文通过对相似项目全过程的风险样本进行分析,总结出一些风险的发生规律,在这些结果的基础上采用正态分布拟合,再通过正态分布α取值法对项目风险进行有效分级。     

Yule-Walker估计法的敏感性分析及其稳健改进

时间序列自回归AR模型的Yule-Walker估计法在建模过程中易受离群值的影响,导致计算结果与实际不相符。针对这一现象,基于均值和方差的稳健组合估计量构建了稳健自相关函数,得到了时序AR模型的稳健Yule-Walker估计算法,以克服离群值的影响。并对此方法进行了模拟与金融数据实证检验,模拟和实证检验均表明:当时序数据中不存在离群值时,传统估计方法与稳健估计方法得到的结果基本保持一致;当数据中存在离群值时,运用传统估计方法得到的结果出现较大变化,而运用稳健估计方法得到的结果基本不变。这说明相对于传统估计方法,稳健估计方法能有效抵抗离群值的影响,具有良好的抗干扰性和高抗差性。