基于Markov区制转换模型的极值风险度量研究

将马尔科夫区制转换模型与极值理论相结合研究金融风险度量问题.首先用SWARCH-t模型捕捉收益率序列的剧烈波动和结构变换特征,然后将收益序列转化为标准残差序列,在此基础上通过SWARCH-t模型与极值理论相结合拟合标准残差的尾部分布,进而构建基于SWARCH- t- EVT的动态VaR模型,最后对模型的有效性进行检验.研究表明,SWARCH-t-EVT模型能够有效识别上证综指的波动区制特征,且能有效合理地测度上证综指收益风险,尤其在高的置信水平下表现更好.     

基于EVT-POT-SV模型的极值风险度量

金融市场常受各种因素的影响造成剧烈波动,资产收益也会因此产生异常变化。针对金融资产收益的厚尾性、波动的异方差性等特征,采用基于Markov链的Monte Carlo模拟积分方法,对随机波动模型进行参数估计并取得标准残差序列,应用极值理论与随机波动模型相结合,建立了基于EVT-POT-SV的动态VaR模型。通过对上证综指收益做实证分析,结果表明：该模型能很好地刻画收益序列的波动性及尾部分布特征,在度量上证综指收益的风险方面更加合理而有效。     

沪深股市的风险测度研究

本文比较风险测度方法在不同置信水平下是否能力有效测度沪深市场风险.针对上证综指收益率具有自相关、波动集聚性和杠杆效应特征,运用ARMA-GJR模型对上证综指的负收益率序列进行MLE以求出条件均值和方差以及标准残差序列,运用10%的数据作为极值数据运用MLE方法来估计广义帕累托分布,还对风险测度方法的估计效果进行分析,认为极值VaR能有效测度沪深股市风险.     

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。     

两类新的GM(1,1)残差优化模型的建立及预测

文章基于已有的GM(1,1)残差修正模型,运用函数转换的思想,对初始序列进行光滑度处理,建立了残差优化模型1;在模型1的基础上,对残差序列作光滑度处理,得到残差优化模型2。然后,进行实例验证,分析表明模型1和2比已有残差修正模型具有更好的拟合性,且预测结果显示,在精度和可靠性上有明显的提高。     

供应链库存系统稳定性研究

探讨供应链库存系统的稳定性.假设需求为ARMA序列.建立供应链系统模型,用库存残差来表达库存控制系统的稳态误差,研究表明库存残差序列也为ARMA序列.若库存残差序列收敛.则系统稳定.文章研究了库存残差序列的格林函数,得出了供应链库存系统稳定的充要条件为客户需求系统稳定.     

沪市收益率波动聚集性实证研究

金融市场的波动性不仅是投资者关注的焦点之一,而且也是被研究的热点之一。本文首先检验了上海证券市场的ARCH效应和序列相关性,在此基础上,将ARMA—GARCH模型应用于上证综指,结果显示该模型能有效拟合股市的波动性,最后,针对结果分析了我国股市的行为。     

涨跌停板制度下沪深股市协整和领先-滞后分析

本文利用时间序列分析中的协整理论对涨跌停板制度实施以来上证综指与深证成指进行了协整分析.利用向量自回归模型和格兰杰因果检验对上证综指和深证成指进行了领先-滞后分析.     

Bootstrap方法和SV模型在风险测度中的应用

文章用SV-GED模型刻画收益率序列的尖峰厚尾、波动集聚以及异方差等特征,在得到标准残差序列的基础上,与Bootstrap方法结合构建一个基于参数---非参数估计的新的风险度量模型——基于Boot-strap-SV-GED模型的风险度量模型,最后对模型的有效性进行了分析.研究表明:Bootstrap-SV-GED模型能很好的刻画收益率序列的特征,并且能在一定程度上提高金融风险测量的精度.     

0-1动态数据的双向差分的模型构建

文章给出了0-1动态数据的双向差分建模方法。首先将观测序列按某一标准转为0-1动态数据,然后建立单调型动态序列的双向差分模型,对其残差建立起伏型动态序列双向差分模型以作精度修正,这样整个0-1动态数据预测精度非常高。最后,对我国国内生产总值指数变化状态作出了预测。     

基于SV-Copula模型的相关性分析

内容提要: 本文结合SV模型和Copula技术,建立两变量金融时间序列的Copula-SV模型,并以上海综合指数和深圳成分指数为例利用建立的模型进行分析,根据采用不同的Archimedean Copula函数,通过使用K-S检验说明用Clayton Copula研究上证综指和深圳成指的下尾相关性,用Gumbel Copula研究上证综指和深圳成指的上尾相关性是合适的,从而风险管理者就可以根据尾部相关性,定量的研究两个市场的相关性及预测市场的变化。     

多产品价格影响模型及其应用研究

 在市场经济条件下,由于受市场供求关系和宏观经济政策的影响,产品的价格会发生波动。这样,研究一种产品,特别是多种产品的价格变动对其它产品的价格影响,以及对综合价格指数的影响,就显得尤为必要。目前我国应用较多的价格影响模型主要是利用投入产出模型研究一些产品价格变动对另一些产品价格变动的影响。本文试图将投入产出模型与计量经济模型结合起来,不仅研究一些产品价格变动对另一些产品价格的影响,而且研究这些产品价格变动对综合价格指数（包括总产品价格指数、消费价格指数、投资价格指数）的影响预期,并结合北京市能源和水价格变动影响的案例进行实证分析,以期为多产品价格影响模型的应用提供方法论基础。     

基于ANN-GARCH模型的中国股市收益非对称波动拟合能力研究

在传统的非对称GARCH模型上加入ANN逻辑项,从而提高了模型的非对称性描述能力。不同于"黑箱"式的神经网络计算,这种方法的ANN逻辑项是可见、可分析的。通过对上证综指、深证综指和恒生指数的实证研究,发现三个市场都存在"杠杆效应"。研究表明:ANN-GARCH模型总体上比传统模型的拟合效果更好,预测能力更强。     

Estimation of value-at-risk using single index quantile regression

ABSTRACT

Value-at-Risk (VaR) is one of the best known and most heavily used measures of financial risk. In this paper, we introduce a non-iterative semiparametric model for VaR estimation called the single index quantile regression time series (SIQRTS) model. To test its performance, we give an application to four major US market indices: the S&P 500 Index, the Russell 2000 Index, the Dow Jones Industrial Average, and the NASDAQ Composite Index. Our results suggest that this method has a good finite sample performance and often outperforms a number of commonly used methods.     

中国股指收益率的非对称拉普拉斯分布实证检验

应用非对称拉普拉斯分布拟合沪深两市股指日、周收益率数据。研究结果表明:非对称拉普拉斯分布能够比正态分布更好地反映两市股指的日、周收益率数据的尖峰、厚尾、偏态特征。由于非对称拉普拉斯分布有显性的表达式,便于开展参数估计和数字特征的计算,因此对于股指期货投资者而言,在计算股指收益率的VaR、CVaR进行风险测量时,采用非对称拉普拉斯分布将是较好的选择。     

Do Leading Indicators Lead Peaks More Than Troughs?

We develop a novel Markov switching vector autoregressive model to investigate the possibility that leading indicators have different lead times at business cycle peaks and at troughs. In this model, coincident and leading indicators share a common Markov state process, but their cycles are nonsynchronous, with the nonsynchronicity varying across regimes. An application shows that on average the Conference Board’s Composite Leading Index leads the Composite Coincident Index by nearly 1 year at peaks but by only 1 quarter at troughs. Allowing for asymmetric lead times yields improved real-time dating and forecasting of business cycle turning points.     

股指时间序列的分形插值模型与R/S分析

运用分形插值模型和R/S分析法研究股指时间序列的变化规律和结构特征,通过建立分形插值模型刻画上证综合指数在一定时间内的变化规律,并预测其在短期内的指数走势。使用R/S分析法和Hurst指数,分析了上证综指的结构特征,指出市场具有状态持续性和分形分布等统计特征。     

MCMC方法下最优Copula的估计及选取

针对目前Copula函数在实际中的应用问题,介绍了一种基于马尔科夫链蒙特卡罗方法（MCMC）的Copula函数估计及选取方法,并将该方法与目前常用方法进行系统比较,最后对上证综合指数和深证成分指数进行了实证分析,结果体现了该法的有效性。     

股指时问序列的分形插值模型与R／S分析

运用分形插值模型和R／s分析法研究股指时间序列的变化规律和结构特征,通过建立分形插值模型刻画上证综合指数在一定时间内的变化规律,并预测其在短期内的指数走势。使用R／S分析法和Hurst指数,分析了上证综指的结构特征,指出市场具有状态持续性和分形分布等统计特征。