基于随机波动率的风险价值计算

在风险价值(VaR)的计算中,通常将市场因子看成是具有固定方差的正态分布,但由于金融市场的时变性,这样得出的结果相当粗糙。GARCH族模型考虑了市场的时变性,但面对金融时间序列的“尖峰厚尾”特征,该类模型也不能很好地对其进行描述。随机波动率模型(SV)在方差表达式中引入新的随机变量,被认为是刻画金     

股市波动的长记忆过程研究

基于FIGARCH和FIEGARCH建模国内股市波动的长记忆特性,深入分析波动影响因素。对上证综指日收益率时间序列进行了实证研究,结果表明和GARCH、EGARCH模型相比较,FIGARCH和FIEGARCH模型更好地描述了股市波动的长程相关特征,探索研究国家宏观经济政策对股市波动的影响。     

基于Gibbs抽样的随机波动模型族的贝叶斯研究

文章运用Gibbs抽样的MCMC方法对上证综指建立SV-N、SV-MN、Leverage SV三类随机波动模型,并利用DIC准则进行优劣比较分析.实证结果表明,具有杠杆效应的随机波动模型,即Leverage SV模型较其他两类模型能更好地描述上海股市的波动性.     

突发事件对国际石油期货价格波动的时间记忆性分析——基于PPM模型和Hurst指数分析

以国际原油期货价格波动日度数据为样本,通过PPM突变点识别模型,从高频时间序列中出现的众多"跳跃点"中甄别出能够改变时间序列波动趋势的突变点,对相邻两突变点之间样本进行Hurst指数分析,研究突发事件对国际原油期货价格波动的时间记忆性。研究表明,时间序列数据中存在多个"跳跃点",大多数跳跃点并未改变数据波动趋势,少数突变点不但改变数据波动趋势,国际原油期货价格波动受突发事件的影响改变其原有的运动轨迹。此项研究为后续学者提供了一种研究"事件冲击"和"数据时间记忆"的新方法。     

基于杠杆效应SV模型和EGARCH模型VaR的比较

文章通过对比EGARCH和杠杆效应SV模型,发现杠杆效应SV模型更能刻画金融市场的实际特征。将杠杆效应的随机波动SV模型应用于VaR的计算,并作实证研究。通过与EGARCH模型下的结果对比,得到基于杠杆效应SV模型计算的VaR更具有动态性和准确性,VaR更贴切地反映了金融市场的风险水平。     

基于DWT的相似性搜索算法

时间序列数据聚类在统计分析中具有重要意义。然而高维时间序列数据挖掘高度依赖的相似性搜索方法仍面临计算量大、准确率低等问题。为了提升高维时间序列数据挖掘任务的准确率和效率，提出一种基于波动特征的时间序列相似性搜索算法。该算法首先提出局部高频离散小波变换(LHFDWT)方法，通过合理的分解与重构来实现序列的降维；然后提出基于欧氏距离(ED)、波动幅度和秩相关系数从时间序列形态波动的相对偏差和趋势一致性角度计算相似度；最后提出一种相似性搜索算法和新的基于波动特征的时间序列聚类方法，并利用k-medoids聚类技术进行聚类分析。基于UCR标准时间序列数据集的实验结果表明，相对于动态时间规整(DTW)和最长公共子序列(LCSS)方法，所提新方法下的聚类准确率表现更优，置信度达到99%;在正确预测聚类数目和搜索效率方面具有更好的效果，且聚类结果具有更高的稳定性；1-NN分类准确率更高，说明其在确定更好的聚类中心方面效果更优，置信度至少为85%,证明了所提新方法的相似性搜索算法的优越性。     

SV模型下中国股票型开放式基金杠杆效应分析

针对中国股票型开放式基金收益波动中是否存在杠杆效应的问题,在对该类基金整体及所选取的三支具有代表性的单个基金分析的基础上,运用一个带杠杆效应的SV模型对其收益的波动性建模,并利用MCMC方法对模型进行参数估计。结果显示：不同于一般对股票市场的研究结论,无论股票型开放式基金整体还是单个基金,其收益率序列的波动中均不存在显著的杠杆效应。     

我国通货波动特征及其与经济增长关系的实证分析

文章选择CPI时间序列进行建模,运用ARCH模型和基本统计分析方法,研究了我国通货波动的特征,得出以下结论:通货波动周期在48个月左右,外界对通货波动负的作用要大于正的影响效应,我国近年来通货波动不稳定性开始增加以及经济高速增长对通货波动有显著影响而反之却没有。     

上证指数收益特征实证分析

在资本市场上,许多金融时间序列在一个时间段波动较大,在另一个时间段波动又较小,波动随时间变化.这种"波动群集"等非古典现象,表明序列不仅存在自相关,也违背传统的经济计量方法所要求的同方差条件,因此利用传统的回归模型对这类时间序列进行分析往往会产生严重的不良后果.     

基于广义双曲线SV模型的极值风险度量研究

在金融风险的度量中,拟合分布的选取直接影响到风险度量的精度问题。针对金融收益序列的动态变化,在SV模型中引入广义双曲线学生偏t分布(SV-GHSKt)拟合金融收益序列的尖峰厚尾、不对称以及杠杆效应等特征,通过马尔科夫蒙特卡洛模拟的方法将收益率序列转化为标准残差序列,然后用极值理论的POT模型拟合标准残差序列尾部分布,进而建立一种新的金融风险度量模型———基于SV-GHSKt-POT的动态VaR模型。用该模型对上证综合指数做实证研究,结果表明,SV-GHSKt-POT的动态VaR模型能很好地模拟金融收益序列的尖峰厚尾性、波动集聚性及杠杆效应,并且能够合理有效地提高风险测度的精度,尤其在高的置信水平下表现更好。     

我国经济不确定性、金融不确定性与经济波动

不确定性是经济波动的根本原因，为保持经济平稳健康发展，探究不确定性对经济波动的影响具有重要的现实意义。本文基于拓展的SV模型测算2002—2020年我国月度经济不确定性和金融不确定性，并使用TVAR模型考察经济不确定性和金融不确定性对产出波动和价格波动的分区制影响动态。研究发现，首先，经济不确定性和金融不确定性间存在交互影响，且金融不确定性对经济不确定性的冲击力更强，但滞后性更弱。其次，相较于金融不确定性，经济不确定性对产出波动和价格波动的冲击效应更明显，在产出和价格高波动区制下冲击效应被进一步扩大。最后，在经济不确定性水平高增速情形下，金融不确定性的提升对产出波动和价格波动起到放大作用，而金融不确定性水平的增速高低基本不影响经济不确定性对产出波动和价格波动的冲击。本研究兼顾实体经济和金融市场，从不确定性视角解读经济波动现象，为制定宏观经济调控政策提供有益的实证经验和政策启示。     

基于Markov切换模型的中国CPI指数波动特征分析

文章引入Markov切换模型探讨中国CPI指数波动的持续性、波动幅度以及波动频率等特征.通过ADF方法和JB统计量检验CPI时间序列的平稳性和非对称性,通过CUSUM方法检验时间序列的机制转移特征,采取极大似然估计方法确定Markov切换模型的相关参数.结果表明,CPI时间序列的低波动性持续的时间最长,并且三种波动状态之间的切换主要集中于低波动状态和高波动状态之间;CPI时间序列的波动主要稳定于低波动率,并且存在明显的“聚集波动”和“分段波动”现象.     

金融市场随机波动模型的研究与分析

随机波动模型是描述金融市场波动性的一种重要方法。随机波动模型随着时间的推移发展的越来越成熟,很多研究者都在此基础上做了拓展,并且由于其参数估计的特殊性,也研究出各种参数估计的方法。文章主要应用基于Gibbs抽样的蒙特卡罗(MC)方法对SV的各类扩展模型进行了模拟仿真,并进行了一定的比较分析。     

人民币汇率波动特征实证研究

本文建立人民币汇率波动的模型，对汇率制度改革以来人民币汇率波动的特征进行研究，结果表明，2005年7月21日至今，人民币汇率收益序列不服从正态分布；美元对人民币的汇率收益序列具有左厚尾的特征，人民币汇率波动具有集群性；人民币汇率波动具有较强的记忆性，且前期的人民币汇率波动对本期的影响呈衰减趋势。     

随机波动模型贝叶斯估计效率研究

讨论了四种不同MCMC抽样方案在SV模型贝叶斯估计中的适应性和稳健性问题。蒙特卡洛模拟结果显示,随机误差项的近似处理方式和波动变量抽样结构直接影响SV模型的贝叶斯估计效率。具体来说,波动变量的"成块"抽样比"逐分量"抽样的效率更高;随机误差项有限混合近似比正态近似的估计精度更优。四种抽样方案中,正态近似和FFBS算法的收敛速度和运算时间最快,有限混合近似和FFBS算法的估计精度最优。     

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。     

基于随机波动模型的人民币汇率波动性分析

自人民币汇率体制改革以来,汇率波动日趋复杂,对我国经济的影响也更加重要.鉴于此,文章运用随机波动(SV)模型对汇改后美元兑人民币汇率进行分析,结果表明杠杆效应对我国外汇市场的影响较小,而人民币汇率收益率与市场风险密切相关.     

基于HP分离ARIMA—Markov模型的我国生猪存栏量预测

时间序列分析方法的运用呈现出多样性和组合型的特点.针对于当前时间序列模型运用存在的分割性不足,在对时间序列分离后独立序列的特性出发,认为应当对独立分离序列分别建立适合波动规律的预测模型.文章首先采取HP滤波对生猪存栏量进行分离,然后采用ARIMA模型和Markov转移模型分别对趋势序列和随机序列进行预测并加总,最后采用原始序列的ARIMA处理结果与组合模型进行对比,发现了组合模型要优于传统ARIMA.     

价格波动的研究方法及其模型

在价格理论与实践中,经济学家们试图建立严密的数学模型来研究和分析时间序列经济周期和误差修正等价格波动问题。文章参考有关时间序列分析方面的研究成果,系统阐释了应用于价格波动相关的计算方法及其模型。     

基于经验模态分解和广义可加模型的双变量频率结构影响研究

文章提出了一种基于经验模态分解和广义可加模型的组合方法,以研究非平稳自变量中不同频率的波动成分对因变量的非线性影响。模拟分析表明,经验模态分解可以对非平稳序列进行有效的分解,得到不同频率的波动成分,揭示了数据的内部频率结构。