基于M-Copula-GJRSK-M模型的沪深两市的相依性分析

金融资产不但存在方差风险,还存在时变偏度风险和时变峰度风险,这使得仅从金融资产的前两阶矩出发来研究风险变化显得十分局限.GJRSK-M模型是描述金融资产的高阶矩风险的有效工具,可对单个金融资产的分布进行拟合,而M-Copula函数能连接组合金融资产的边缘分布,因此本文建立了M-Copula-GJRSK-M模型来研究沪深两股票市场的相依性.实证表明,上证综指和深圳成指对数收益率存在高阶矩风险和风险的非对称性,即指数下跌时,条件方差风险和条件高阶矩风险会增大,且在极端情况下,两市上涨的概率要大于下跌的概率.     

基于高阶矩的金融资产定价和配置

金融资产对数收益常呈现不对称性和厚尾性,一般不是正态分布,而均值一方差CAPM模型中的系统性风险只考虑二阶矩风险即波动率,忽略了高阶矩风险,可能使资产定价和资产配置存在严重的误差。考察偏度和峰度在我国金融资产配置和资产定价中的作用后,发现加入系统性协偏度和协峰度的高阶矩CAPM模型能够重新解释我国金融资产风险与收益间的平衡关系,比均值一方差CAPM模型更适合我国的金融市场。     

基于高阶矩的基金绩效考核模型

目前我国常用的三大经典基金绩效考核模型都是以均值-方差CAPM模型为基础,而均值-方差CAPM模型中的系统性风险只考虑二阶矩风险即波动率,忽略了高阶矩风险.通过在传统CAPM模型中加入零成本的负协偏度投资组合和零成本的正协峰度投资组合作为高阶矩风险溢价可重新解释基金风险与收益间的平衡关系.研究结果显示,众多基金的投资组合中都存在负协偏度风险,基于高阶矩的考核模型优于基于传统CAPM的考核模型.     

投资组合风险测度——基于FIGARCH-EVT-Copula方法

金融资产收益率不仅具有尖峰厚尾性、异方差性,还具有长记性。基于此,将FIGARCH、EVT和Copula有机融合,建立FIGARCH-EVT-Copula模型来估计组合风险值,利用上证指数、深成指数组合进行实证研究。实证研究表明:我国股市波动确实具有长记忆性;FIGARCH-EVT-Copula模型不仅能够准确刻画边缘分布的尖峰厚尾性、异方差性和长记忆性,而且较之于传统模型,该模型能更准确地测度投资组合风险。     

基于马尔科夫状态转换下的高阶矩CAPM-GARCH模型的实证研究

为了反映资产组合风险在不同状态下对收益率的影响,从动态的角度提出基于马尔科夫状态转换下的高阶矩CAPM-GARCH模型,即高阶矩CAPM-MSGARCH模型。以上证180指数样本股的10支不同行业的股票为研究对象,实证分析结果表明:高阶矩系统风险对资本资产定价有显著的影响,并且高阶矩CAPM-MSGARCH模型能够较好地刻画风险的时变特征,显著优于传统的高阶矩CAPM-GARCH模型。     

基于时变Copula的La-VaR测度研究

目前关于流动性调整的市场风险测度研究,主要是静态模型。针对此,文章提出经流动性风险调整的市场风险动态测度的时变Copula方法。该方法使用连接函数构建流动性风险和市场风险的联合分布,能够兼顾这两种风险的非正态特征和它们之间的动态相关结构。基于该方法度量了中国股市经流动性调整的市场风险La-VaR,Kupiec检验表明,基于时变Copula模型预测La-VaR的效果优于基于常相关Copula模型的预测效果,并且时变T-Copula模型优于时变N-Copula模型。     

投资组合极值风险测度——基于T-Copula-SV-T-EVT模型

针对金融资产收益率的“典型事实”特征,结合Copula函数、极值理论与金融波动模型构建既能反映投资组合金融资产收益率分布特征又能反映其相关结构的风险测度模型,用Monte Carlo模拟方法测度投资组合风险,以东方策略成长基金为例进行实证检验。研究发现,边缘分布与Copula函数的选择均会对投资组合的风险产生影响,通过对不同边缘分布和Copula函数组成的投资组合模型风险测度的对比,发现T-Copula-SV-T-EVT模型更具优越性,同时返回式检验表明T-Copula-SV-T-EVT模型对风险的度量是合理而有效的。     

改进的GARCH-M模型在股市风险分析中的应用

首先对上海和深圳的收益序列进行自相关检验，发现两市均不具有明显的自相关特征．其次对两市收益进行异方差检验，发现它们的异方差特征显著．在前两步基础上提出改进的GARCH—M（1，1）模型进行风险分析，结果表明：沪深两市的风险都具有时变、正偏、高峰、波动聚集性和长记忆性等特点；中国股市的收益与风险没有必然联系，投资者还处于不完全理性阶段；风险对市场的正负面消息的反应存在显著差别，负面消息在一定程度上加剧了市场波动．     

沪深股市极值相依关系测度研究——基于四类时变Copula-EVT模型

随着金融市场的发展和理论研究的深入,金融资产尾部极值的相依关系已引起众多市场参与者和研究者的重视.以上证综指和深证综指为研究对象,结合EVT极值理论股指收益率构建边缘分布模型,以此为基础,运用四类时变Copula函数分别拟合股指间的联合分布,并通过AIC准则对各类模型的拟合效果进行比较,结果表明:不同模型的拟合度存在差异;沪深股市间具有较强的尾部极值相依程度,并呈现出明显的动态趋势.     

基于时变高阶矩NAGARCHSK-LSTM模型的中国碳排放权价格预测

有效的碳价预测有助于碳市场以较低成本解决环境问题,实现碳排放减少的目标.现有研究忽略市场不对称和极端因素对碳价的时变高阶矩冲击关系,预测准确性存在质疑.基于碳价非对称性、极端冲击敏感性强以及时变波动等专属特征,构建新的机器学习碳价预测模型NAGARCHSK-LSTM.研究显示,NAGARCHSK-LSTM模型能有效捕捉碳价时变高阶矩特征,碳价预测精度和鲁棒性均优于其他基准模型,特别是模型长期预测优势得到验证.研究为投资者研判市场行情、开展价格分析提供技术手段.     

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。     

存在融资条件下证券组合选择的一种模糊决策方法

应用模糊可能性理论研究了在实际投资决策中存在融资条件下的证券组合选择问题。用证券收益的可能性均值和方差分别作为投资收益和风险的测度，将选择证券组合的概率均值一方差模型简化为一个线性规划模型，使得存在融资条件下有效投资组合的算法问题得到解决。最后，给出了一个数值例子，说明了这种决策方法是便捷有效的。     

社保基金投资组合的动态风险测度研究

考虑到现阶段社保基金主要投资于股票和债券,以沪深300指数和国债指数构建投资组合代表社保基金投资组合,测度社保基金投资组合的动态风险。首先,基于FIGARCH模型对边缘分布建模;然后,基于时变Copula研究资产间的动态相关性,发现沪深300指数和国债指数间的相关性具有较强的持续性;最后采用Monte Carlo预测投资组合的VaR进行Kupiec检验。比较研究发现,基于时变模型的VaR预测效果要优于非时变模型的预测效果,时变FIGARCH-Copula-T和DCC(Dynamic Conditional Correlation)-MFIGARC-T模型都能准确地测度动态风险,但前者预测的失败率要低于后者。     

SHFE和LME期铜相关模式的研究

Copula函数包含了随机变量间所有的相关信息,可表示金融资产间的相关模式(即依存关系)。分析了一些Copula函数描述相关模式的特点,结合GARCH模型、Copula函数和基于极值理论的GPD分布,构造了Copula-GARCH-GPD模型,用于研究上海期货交易所和伦敦金属交易所期铜间的相关模式。实证研究结果表明,GARCH-GPD模型能很好地描述两市期铜收益率序列的“厚尾”特征,混合Joe-Clayton Copula能很好描述相关模式,充分反映相关性的信息。     

B值同分布鞅随机变元序列矩收敛的注记

讨论了一类B值同分布鞅随机变量的矩完全收敛性, 在二阶光滑空间中当一定矩存在条件下，利用切尾法、下鞅的极大值不等式、高阶法等分析技巧，给出了此类B值同分布鞅随机变量的矩完全收敛性的充分条件，揭示了B值同分布鞅随机变量的矩完全收敛性与矩存在性之间的关系，得到了满意的结果。     

存在融资条件下证券组合选择的一种模糊决策方法

应用模糊可能性理论研究了在实际投资决策中存在融资条件下的证券组合选择问题。用证券收益的可能性均值和方差分别作为投资收益和风险的测度,将选择证券组合的概率均值-方差模型简化为一个线性规划模型,使得存在融资条件下有效投资组合的算法问题得到解决。最后,给出了一个数值例子,说明了这种决策方法是便捷有效的。     

系统性信用风险的网络传染联动效应研究

利用信用资产网络模型,演绎了信用资产网络传染引发的股价联动机理,估计了一阶自回归的不对称广义异方差模型描述的边缘分布参数。选用多元t分布的连接函数,静态拟合计算了全局相关系数;选用时变过程为动态条件自相关的多元连接函数,动态计算了C藤分解结构下的4种时变条件相关系数,描述分析了其时变特征。研究结果表明:信用资产关联企业的股价之间具有较强的网络传染联动效应;多元t分布的连接函数的静态与动态相关度量方法,可以较好地度量网络传染联动效应;无论无条件相关系数还是条件相关系数,都表现出不同程度的显著时变性。网络核心企业应当审慎管理信用资产关联上的系统性风险。     

投资组合动态VaR预测模型和预测精度评价

采用4种Backtesting检验方法,检验22个常态和时变投资组合动态VaR预测模型的风险预测精度,发现GJR_GPD_TV_Copula具有最高的投资组合风险预测精度,GJR_GPD_Copula的拟合、密度预测和组合风险预测精度都要高于GJR_SKST_Copula,且Copula模型的组合风险预测精度分别与拟合精度和密度预测精度存在较弱的正相关关系.     

基于 ARFIMA-FIAPARCH-MCopula的亚洲新兴股市联动效应研究

为了研究亚洲新兴股市之间的联动效应,运用 ARFIMA-FIAPARCH 模型刻画亚洲新兴股市收益率的边缘分布特征,进而结合由 Clayton Copula、Gumbel Copula 与 Frank Copula 构成的混合 Copula 函数对亚洲主要新兴股市之间的联动结构进行建模。研究结果表明：中国股市中的长记忆特征非常显著,对历史信息的反应尤为缓慢;中国股市仅与韩国股市、新加坡股市的联系较为紧密,存在风险相互传染的可能;而韩国股市、新加坡股市和印度股市等亚洲其他主要新兴股市之间的联动程度更高,股市之间存在较为明显的风险传染效应。     

基于马尔科夫机制转换CAPM的VaR模型研究

本文利用机制转换的CAPM模型来计算中国证券市场的VaR，首先回顾了机制转换模型，接下来介绍了基于马尔科夫机制转换CAPM的VaR模型（MSW—VAR），最后选择深圳证券交易所的十支股票进行VaR计算，通过准确性检验显示效果良好。MSW-VAR模型能够满足系数时变和市场指数及组合的方差也是时变的市场特性，模型中的混合正态分布，可以拟合证券市场分布的偏峰厚尾特征。