基于马尔科夫状态转换GARCH模型的汇率波动预测

文章利用汇率波动状态下的均值方程修正了面向汇率日波动特征测度的GARCH模型,并以动态多维条件修正针对汇率波动特征预测的马尔科夫状态转换GARCH模型,结果证实:汇率波动的动态发展趋势具有左部相对厚尾和一定程度的尖峰特征,汇率波动的动态特征及过程中更多动态相互干扰造成了汇率影响的参数异方差效应属性.     

中国股指波动率的智能预测模型与实证检验

文章提出将改进型粒子群算法与最小二乘支持向量机(LSSVM)相结合的中国股指波动率智能预测方法,利用径向基核函数LSSVM对股指波动率进行建模及预测,并将自适应惯性权重粒子群算法(AIWPSO)和动态加速系数粒子群算法(DACPSO)分别实现径向基核函数LSSVM的参数优化,建立了两种股指波动率的智能预测模型.以日内价格极差作为波动率的代理变量,通过对上证综指和深证成指的实证研究检验了两模型的有效性.检验结果表明,AIWPSO算法优化的径向基核函数LSSVM作为中国股指波动率智能预测模型,具有更高的波动率预测精度和更快的建模速度.     

中国股票市场波动长记忆建模研究

本文首先运用GPH方法对中国股票市场的长记忆性进行了检验,然后利用ARFIMAFIEGARCH-GED模型对中国股票市场进行了实证研究,发现中国股票市场波动存在明显的长记忆性和杠杆效应,而ARFIMA-FIEGARCH-GED模型则很好地捕捉到了其高峰厚尾现象、长记忆性和波动的杠杆效应.     

基于Tsallis熵最大化的VaR模型

统计物理学中的Beck模型具有很好地描述变量的长期记忆和厚尾的特点,文章利用Beck模型和Tsallis熵的最大化理论,对沪市股票指数进行了研究,首先,给出了在Tsallis熵最大化条件下的分布函数,然后,对沪市股票指数数据进行了实证分析,并通过最大似然估计估计出其参数,最后,利用该厚尾分布计算了沪市综合指数的VaR.     

金融资产收益率波动的统计特征

本文对金融资产收益率的概率分布出现厚尾、收益率不相关但具有波动率聚类、收益率的不同程度的波动可用多重分形来刻画等有关最新研究结果进行评述.     

混合贝塔分布随机波动模型及其贝叶斯分析

为了更准确地揭示金融资产收益率数据的真实数据生成过程,提出了基于混合贝塔分布的随机波动模型,讨论了混合贝塔分布随机波动模型的贝叶斯估计方法,并给出了一种Gibbs抽样算法。以上证A股综指简单收益率为例,分别建立了基于正态分布和混合贝塔分布的随机波动模型,研究表明,基于混合贝塔分布的随机波动模型更准确地描述了样本数据的真实数据生成过程,而正态分布的随机波动模型将高峰厚尾等现象归结为波动冲击,从而低估了收益率的平均波动水平,高估了波动的持续性和波动的冲击扰动。     

基于稳健型EWMA的期货公司保证金设定研究

文章针对目前期货公司保证金收取方式存在的问题进行了改进.文中引入基于Laplace分布发展起来的稳健型EWMA方法,建立了新的期货公司保证金设定模型,较好地反映了期货合约价格序列有偏、厚尾的现象.同时文章采用cornish-Fisher(CF)方法确定期货价格波动系数.通过对天然橡胶期货合约保证金水平的测定对本文建立的模型进行了实证研究,结果表明本文所建模型在同样保证金占用下具有更好的风险控制能力.     

金融数据多峰性的刻画：基于交易量加权的非参数估计

一、金融资产收益率的多峰性自从Granger&Orr(1972)指出时间序列存在尖峰、厚尾和长记忆性现象,国内外众多学者对比进行了实证研究。封建强和王福新(2001,2003)利用几种不同的分布函数来刻画收益率分布,并且利用Paretian分布和t分布来拟合沪深股市的收益率分布。但是,正如作者所指出,Paretian分布和t分布都不能很好描述收益率数据。其实,Kim D,Kon S(1994)早就指出用参数模型t分布或正态混合,虽然能描写高峰与厚尾,但是难于捕捉波动的时变性。依赖于二阶矩存在的ARCH类模型通常用来刻画收益率波动的集聚特性。如,陈敏、王国明、吴国富…     

一种改进的基于DE-SVR的上证指数预测模型

文章在现有研究的基础上,选取引起上证综合指数波动的八个主要因素,建立一种改进的基于微分进化算法的支持向量机的上证指数预测模型,并与多元回归、多维灰色模型、基于微分进化算法的多维灰色模型、DE-SVR预测模型的预测效果与精度进行对比分析,证实该模型具有较高的预测精度,是一进行有效预测的新方法。     

偏斜参数对GARCH族模型估计与预测绩效的影响

本文先运用蒙特卡洛模拟考察了偏斜参数对GARCH族模型估计结果的影响并发现,若标准化扰动项偏斜且厚尾,基于对称厚尾分布的极大似然估计量渐近有偏.以上证指数收益为样本,利用SPA检验,实证考察了10种常见的GARCH族结构分别在正态分布、Student-t、GED以及Skew-t分布假设下的波动率预测绩效.结果发现:①Skew-t分布假设下的GARCH族结构能够获得优越的预测绩效;②10种GARCH族结构中,有8种模型在Student-t分布假设下的预测绩效不及正态分布,而GED分布假设下也有4种模型不及正态分布;③样本外观测值的多少以及GARCH-m结构的有无不改变主要结论.