中国农产品期货市场的多重分形特征及其成因分析——基于MF--DFA分析法

运用多重分形消除趋势波动分析方法（MF—DFA）和多重分形谱分析法,对中国豆一、玉米、硬麦、强麦4种主要农产品期货价格波动的多重分形特征进行了实证分析和比较。研究发现：中国农产品期货市场存在显著的多重分形特征,硬麦、强麦、玉米和豆一期货的多重分形性依次减弱。通过对原始数据的重排和相位随机化处理,可以看出中国农产品期货市场的多重分形特征是由长程相关性和收益序列的厚尾概率分布两个因素共同导致,其中非正态分布起主导作用。     

中国股票市场波动率的多重分形分析与实证

我国股票市场波动表现出随时间变化的动态特征。文章采用多重消除趋势波动分析法(MFDFA),对沪深股市四个主要指数的日波动率时间序列进行了分析。结果表明,沪深股市四个主要指数的日波动率时间序列均表现出多重分形特征,且上证指数和中证500指数日波动率序列相对于其他两个指数日波动率序列表现出更强的多重分形特征。各指数日波动率时间序列的多重分形特征均是自身的长程相关性和波动的厚尾分布共同作用的结果,且波动的厚尾分布对原始序列的多重分形特征的影响比长程相关性大。     

股票市场风险的多重分形分析

一、引言 众所周知,证券投资历来存在风险,尤其中国的证券市场,运行时间短,指数、股价起伏跌宕,令人有"高处不胜寒"感觉.通常人们认为我国的证券市场与国外一些证券市场相比,风险较大,并把此归因于我国在这方面起步较晚,成熟程度较低.     

分形市场理论及其在资本资产定价中的应用

本文将非线性系统理论中的分形理论引入金融市场有效性研究中,针对分形市场中单个资产收益与市场收益之间的线性关系很难成立,因此提出运用非线性协整理论进行分形市场中的资本资产定价,对分形市场中的资本资产定价运用小波神经网络进行非线性协整建模的方法进行了讨论.     

基于概率神经网络与多重分形的海温预测模型

文章提出了一种基于多重分形与概率神经网络相结合的海温预测方法.该方法利用多重分形方法将海温序列挖掘出多个蕴含海温变化信息的时间序列;利用多重分形计算得到的多个时间序列作为概率神经网络的输入因子建立预报模型;利用该预报方法对NINO综合区平均海温进行未来1～3个月的预报实验,结果表明:该方法能较好的实现NINO综合区平均海温的预测,这对厄尔尼诺/拉尼娜现象的监测和预报工作提供了一种新的方法.     

非对称随机波动模型在中国股市的应用

为了探测随机波动模型的非对称特征,修改传统的随机波动模型建立非对称的随机波动模型,采用基于马尔可夫链蒙特卡洛(MCMC)模拟的贝叶斯分析对模型进行参数估计。对中国深圳、上海股市波动进行实证研究发现,非对称随机波动模型能较好地探测波动存在的非对称波动。与GJR-GARCH模型相比,非对称随机波动模型预测效果更好。     

基于周内多重分形波动率的基金投资风格漂移风险测度研究

基金发生投资风格漂移是把双刃剑，在获得短期超额收益时，也隐藏着巨大的风格漂移风险。本文首先以我国79只开放式股票型基金为样本，在量化投资风格漂移的基础上，分析发现其收益序列存在多重分形特征，据此构建周内多重分形波动率测度来刻画投资风格漂移收益的复杂波动特征，并与传统的GARCH族波动率计量模型的测度能力进行比较分析，实证结果发现本文构建的周内多重分形波动率测度更加精确，能更好刻画序列的复杂波动特征；然后，进一步构建MFVW VaR模型对基金投资风格漂移风险进行量化测度，发现该模型比传统的参数与非参数VaR模型能更好地对风格漂移风险进行有效测度，基金普遍存在较大的风格漂移风险；最后，对我国开放式股票型基金的产品创新策略与投资风格漂移监管策略进行了一些有益探讨。     

分形理论在经济学中的应用

分形理论的发展,为研究经济学中的一些问题提供了一种新的工具,并为促进经济学研究方法的发展注入了新的活力.分形理论在经济学中已有很多成熟的应用,例如在金融分析及区域经济差异分析中的应用.然而,常常所忽视的是,区域经济梯度也存在某种自相似性,具有分形特征.事实上,运用分形理论评价区域经济梯度具有很重要的意义.     

反馈跳扩散模型在证券价格预测中的应用

传统随机波动定价模型发展到目前已近完善,同时也遭遇到前所未有的挑战。随着越来越多的金融学家、数学家、物理学家、心理学家和金融工程师加入到金融研究领域,人们逐渐认识到股票价格行为具有以下一些特征眼1演:穴1雪价格序列非随机游走性,长记忆性以及波动的AR CH效应;穴2雪     

行业指数相关关系的多重分形时变性及实证分析

行业指数相关性对行业配置非常重要,是分散资产组合风险的核心,故以上证综合指数和三个行业指数为研究样本,运用多重分形去趋势相关分析法(MF-DXA)分析其指数日收益率序列的相关性特征。实证结果显示:各指数自身表现出多重分形特征,指数间相关性也呈现出多重分形时变性。此结论不仅从行业层面上验证了分形市场理论,而且也为构建有效的行业资产配置策略提供了理论指导。     

基于Twin-SVM的多分形金融市场风险的智能预警研究

本文以沪深300指数（CSI300）长达11年时间的5分钟高频交易数据为研究样本,首先提出一种基于多分形特征的金融市场正常与关注状态的界定方法,并引入新型的支持向量机（SVM）人工智能模型,即孪生SVM（Twin-SVM）模型对多分形特征下的金融市场风险展开预警研究。实证结果表明：（1）中国新兴金融市场的价格波动具有显著的多分形特征;（2）基于多分形特征参数界定的正常与关注状态不仅准确,而且也具有明显的统计检验意义和明确的现实意义;（3）与传统SVM和BP神经网络（NN）相比,Twin-SVM在预测精度上不仅显著更高,而且在预测稳定性上也明显更优,即Twin-SVM能够有效地解决其它预警模型存在的非对称样本问题。     

金融风险度量VaR与CVaR方法的比较研究及应用

风险价值(VaR)是近年来受到国际金融界的广泛支持和认可的一种度量金融风险的工具。文章指出了风险价值(VaR)模型两个重大的缺陷,并对它和条件风险价值(CVaR)金融风险度量模型进行了详细的介绍和对比分析,给出了它们的共同点和CVaR在投资组合应用中的优势,结合中国金融市场的实际情况,指出CvaR在中国金融市场中应用应注意的问题,对其应用前景提出了新的思路。     

贝叶斯非线性混合效应模型及其应用研究

由于常用的线性混合效应模型对具有非线性关系的纵向数据建模具有一定的局限性,因此对线性混合效应模型进行扩展,根据变量间的非线性关系建立不同的非线性混合效应模型,并根据因变量的分布特征建立混合分布模型。基于一组实际的保险损失数据,建立多项式混合效应模型、截断多项式混合效应模型和B样条混合效应模型。研究结果表明,非线性混合效应模型能够显著改进对保险损失数据的建模效果,对非寿险费率厘定具有重要参考价值。     

CVaR-EVT和BMM在极端金融风险管理中的应用研究

随着风险度量一致性原则的提出,研究发现金融机构广泛采用的VaR模型存在严重不足,尤其针对分布具有厚尾特征的极端金融风险无法有效度量。本文采用极值理论（EVT）解决VaR方法的尾部度量不足问题,利用CVaR-EVT和BMM模型分析美国、香港股票市场和我国沪深两市指数18年的日收益数据,研究发现：（1）在95％置信区间及点估计中,分位数为99%的CVaR-EVT所揭示的极端风险优于VaR的估计值;且BMM方法为实施长期极端风险管理提供了有力决策依据,其回报率受分段时区的影响,期间越长,风险估计值越高;（2）模型采用ML和BS方法统计估值显示,我国股票市场极端风险尾部估计值高于香港和美国市场;但是,国内市场逐步稳定,并呈现出跟进国际市场且差距缩小的发展趋势。     

文化与金融融合发展风险溢出效应的实证研究

文化产业发展需要金融资本的投资驱动,同时文化金融能有效影响金融市场系统性风险。从中国艺术品金融的实践出发,探索文化金融的风险分散功能,实证表明:文化金融与金融市场确实存在正向风险溢出效应,文化金融风险的降低会减小金融市场的波动;文化金融对金融市场的影响机制主要通过将文化产品无形资产份额化,以类似于股票交易的方式实现文化资源与资本要素的结合,借此实现文化、金融的融合。发展文化金融应当以金融市场为风向标,采取相机抉择的投资策略,控制其高异质性风险。     

非寿险准备金评估的广义线性模型

在非寿险准备金评估实务中,保险公司通常应用链梯法和B-F法等确定性模型,但这类模型无法对准备金的预测结果进行统计检验,因此广义线性模型受到了越来越多的关注.在假设增量赔款服从指数分布族的情况下,讨论广义线性模型在准备金评估中的应用,并通过一个实际的流量三角形数据进行实证检验.     

基于半参数CARE模型的金融市场VaR度量

以CAViaR模型为基础,结合Expectile模型,构建半参数CARE模型,度量金融市场的在值风险。选取2003年1月3日至2015年12月31日上证综合指数与深圳成份指数为研究对象,分别采用半参数CARE模型与GARCH模型刻画VaR的波动情况,并运用几类常返检验来评估模型的优劣。结果表明:GARCH模型能更好地刻画深证成份指数1%VaR与上证综合指数5%VaR,而半参数CARE模型能更好地刻画深证成份指数5%VaR与上证综合指数1%VaR。     

Estimation of Integrated Volatility in Continuous-Time Financial Models with Applications to Goodness-of-Fit Testing

Abstract.  Properties of a specification test for the parametric form of the variance function in diffusion processes are discussed. The test is based on the estimation of certain integrals of the volatility function. If the volatility function does not depend on the variable x it is known that the corresponding statistics have an asymptotic normal distribution. However, most models of mathematical finance use a volatility function which depends on the state x . In this paper we prove that in the general case, where σ depends also on x the estimates of integrals of the volatility converge stably in law to random variables with a non-standard limit distribution. The limit distribution depends on the diffusion process X _t itself and we use this result to develop a bootstrap test for the parametric form of the volatility function, which is consistent in the general diffusion model.