沪深300指数统计特征研究

文章以2005年4月8日至2007年10月30日沪深300指数日收盘价格序列为样本,以复合收益率为研究对象,通过对股市收益率非正态性检验,分析了沪深300指数的一些典型统计特征,验证了沪深300指数收益率"尖峰厚尾"的特性。因此有必要寻找一种更合适的模型,以便更准确地反映沪深300指数收益的真实分布。最后对其进行了GARCH效应的检验,结果表明沪深300指数收益率的波动存在着显著的GARCH效应。     

考虑期货的电力市场竞价风险分析

文章将GARCH-EVT-Copula组合模型应用于电力市场,以EVT刻画收益率的尾部分布,采用GARCH模型来度量电价资产收益率的波动性和异方差性,Copula函数反映电价现货市场与期货市场相关性,并以每天同点时刻数据建模,对现货与期货交易并存的北欧电力市场发电商竞价动态风险进行了实证分析。并应用Kupiec失败频率检验方法对竞价风险模型进行评估,分析表明:t-Copula连接函数能体现资产相关性,能更准确度量考虑期货的发电商动态竞价风险。     

基于CVaR风险度量的投资组合优化决策

投资组合优化问题依赖于风险度量方法和投资组合收益率分布函数的选取。针对收益率通常不服从多元正态分布以及均值—方差模型低估了投资组合发生重大损失的风险,文章利用多元广义双曲线分布来拟合投资组合收益率,从而更加灵活地捕捉收益率数据的偏态和尖峰厚尾特征;使用CVaR代替方差和VaR来度量金融资产重大损失风险,进而建立均值—CVaR投资优化模型。实证研究结果表明,相对于均值—方差模型,均值—CVaR能够更好地反映投资组合收益率分布,提高投资者控制投资风险的能力。     

深成指GPD分布尾部拟合与VaR、ES风险度量

文章首先使用GARCH模型对深成指对数收益率时间序列的自相关和异方差特性进行弱化,之后运用POT方法对GARCH模型所得的残差序列进行拟合,使用极大似然方法估计了GPD分布各参数,进一步计算出收益率序列的VaR和ES值,通过后验测试比较各种估计方法优劣。     

基于EGARCH-M模型的沪深300股指期货跨期套利研究——一种修正的协整关系

现有的基于协整股指期货跨期套利策略主要利用GARCH模型进行建模。该模型忽略了杠杆效应的存在,也未考虑条件方差可能影响协整方程。在引入EGARCH-M模型进行套利研究的基础上,提出一种新的协整关系——修正的协整;利用沪深300股指期货合约的每分钟收盘价进行实证分析,结果表明:正态EGARCH-M模型对数据的拟合效果优于传统的GARCH模型,通过设定合理的交易机制可以获得良好的套利结果;非正态的EGARCH-M模型在拟合效果和捕捉套利机会方面都比正态模型具有更好的表现,且套利效果也有显著提高。     

我国实际产出扰动过程的条件异方差分析

文章使用具有描述非对称性传导机制的自回归条件异方差模型对我国实际产出的动态扰动过程进行了实证分析。研究结果显示:E-GARCH和T-GARCH等非对称条件异方差模型对数据的拟合优度要优于GARCH等对称条件异方差模型,这与Shigeyuki Hamori(2000)关于美国、英国和日本的实际GDP扰动过程具有对称特征的结论有所不同,上述实证结论说明在我国经济周期波动过程中,不仅经济增长率水平存在非对称性,而且波动性程度也存在非对称性。     

上证指数收益率的特征及其波动性分析

股票价格的频繁波动是股票市场最明显的特征之一。ARCH类模型可以很好地预测金融资产收益率的方差。通过对上证指数的统计分析表明,上证指数的收益率分布表现出非正态性,并存在自回归条件异方差的特征。利用ARCH类模型对上证指数的波动进行了拟合,结果表明GARCH(1,1)模型对上证指数波动具有较好的拟合效果。     

中国股指收益率序列GARCH模型中变点的Bayes识别

文章研究基于贝叶斯方法的GARCH模型中变点的识别问题.由于股指收益率序列呈现尖峰厚尾非正态的特点,假设误差项服从自由度为v的标准化学生t分布而非标准正态分布.我们给出了基于贝叶斯方法的GARCH模型中变点估计的具体描述,包括单变点情形、多变点(变点个数未知)情形的变点估计.在实证研究中,我们选取2000年1月4日至2011年9月30日上证A股指数收益率数据进行迭代计算来识别变点,并且将得到的变点时刻与其附近的重大政治经济事件结合起来,给出其合理的解释.     

基于非参数分位数方法对金融风险的研究

文章提出了使用非参数密度分位数方法来计算VaR模型.此方法完全由数据驱动,不需要设定新息项的分布,并同新息项服从正态分布、T分布和GED分布计算的VaR进行对比,得到了比较理想的结果,从而为金融风险研究提供了较有效的参考方法.     

基于VAR方法和期限结构动态模型的利率风险度量

文章用Vasicek模型和CIR模型描述利率的波动,并用GARCH模型估计其波动率,进而使用VAR方法度量利率风险.银行间国债回购利率的实证结果显示:Vasicek模型和CIR模型均能合理的描述短期利率的随机波动性,且分别以这两种模型做均值方程,GARCH(1,1)模型为方差方程计算的VAR与实际利率的变动趋势基本吻合,并用失败率检验了VAR度量利率波动风险的效果.     

基于极值理论的静态和动态风险度量模型的比较

文章运用极值理论建立了静态和动态的和风险度量模型.静态模型运用广义帕累托分布拟合收益率序列的尾部分布.动态模型首先运用AR(1)-GARCH(1,1)模型对收益率序列进行拟合,然后用广义帕累托分布对新息分布的尾部建模.采用上证综指和标准普尔500指数的对数收益率为样本,对静态和动态模型进行了比较研究.研究结果表明:对于VaR的度量,在置信水平较低时(如小于99%),静态风险度量模型更准确,在置信水平较高时,动态模型更好;对于ES的度量,动态模型具有通用性和优越性.     

上证综合指数VaR度量的比较研究

文章利用三种不同分布下的GARCH族模型度量了上海股票市场的潜在风险.通过返回检验,可看出t分布所估计出来的VaR值过于保守,而在99%的置信水平下,使用正态分布存在对风险的低估,在不同置信水平下,使用PAKCH-GED能较好地刻划上证指教的尖峰厚尾特征,从而也能更准确地度量沪市的风险值.     

大豆期货价格波动与交易量的关系的考察

文章运用ARMA模型、GARCH模型和多元的GARCH模型对大连期货市场大豆的量价关系进行了分析,发现收益的绝对值较收益率本身与交易量有更大的相关性,收益率的绝对值对交易量的条件方差具有显著的影响,且它们的波动都有很强的持续性。运用多元的GARCH模型发现交易量的条件方差与收益率的条件方差有显著的相关性,但是条件方差的滞后项却对对方的条件方差的解释作用较小。     

中国大豆期货收益GARCH效应的实证研究

文章研究了中国大连商品交易所大豆期货连续合约1994-2003年收益时间序列,并以该序列2003年第一个样本数据为分界点,建立了两子序列,分别进行了统计学分析,发现两子序列分布均是非正态的,较正态分布有尖峰厚尾的特征,具有记忆效应。并且,进一步根据两子序列的波动集群性建立一系列GARCH模型,对中国大豆期货的两个收益序列的波动性进行分析,并比较了二者的异同。     

交易量和证券市场的波动性关系实证研究

文章运用GARCH模型对上证指数和深证成份指数的收益率波动与信息流之间的关系进行了实证检验。结果表明把交易量作为信息流的替代指标加入GARCH模型能够显著降低价格波动的持续性,也验证了符合混合分布假说理论。     

广义Pareto分布尾部厚度的分析与应用

极端值模型是准确估计"厚尾"分布金融资产回报市场风险的有力工具.主要有分块样本极大值模型(BMM)和阈顶点模型(POT).文章对阈顶点模型中广义Pareto分布尾部厚度和应用进行分析.结果表明,当0<ε≤1时,分布的尾部厚度为"厚尾"且随着形状参数的增加而变厚,此时最适合于金融资产时间序列"厚尾"分布建模.     

资产相关结构对投资组合风险测度的影响分析

文章从分析金融资产收益率的统计特征入手,以GARCH模型为基础,用非对称幂分布描述组合资产中各金融资产收益率的边缘分布函数,在多种Copula函数情形下计算组合资产的风险值VaR及ES。结果表明:基于由多元Clayton Copula和多元Gumbel Copula组成的混合Copula函数较好地刻画了多只股票的相关结构,而且ES比VaR能够较准确地估计组合资产的尾部风险。     

广义双曲线分布在概化理论偏态数据方差分量估计中的应用

心理与教育测量的应用领域发生了较大变化,被测群体的知识和能力等特质在一定程度上不再服从偏度为0的分布.文章利用广义双曲线分布性质,模拟生成一定偏度的偏态分布数据,探讨数据不同偏度对概化理论方差分量估计的影响.结果表明:利用广义双曲线分布性质可以有效模拟生成概化理论所需要的偏态分布数据；广义双曲线分布模拟的偏态分布数据对概化理论各种方法估计方差分量有影响.     

资产相关结构对投资组台风险测度的影响分析

文章从分析金融资产收益率的统计特征入手,以GARCH模型为基础.用非对称幂分布描述组合资产中各金融资产收益率的边缘分布函数,在多种Copula函数情形下计算组合资产的风险值VaR及ES.结果表明:基于由多元Clayton Copula和多元Gumbel Copula组成的混合Copula函数较好地刻画了多只股票的相关结构,而且ES比VaR能够较准确地估计组合资产的尾部风险.     

GARCH族模型参数估计的EXCEL实现

一、引言Engle(1982)提出的自回归条件异方差性模型(即ARCH模型),将方差和条件方差区分开来,并让条件方差作为过去误差的函数而变化,从而为解决异方差问题提供了新的途径。由于其对现代金融计量经济学发展的重要影响,Engle也因此项学术成就而获得2003年诺贝尔经济学奖。1986年,Bollerslev在ARCH模型的基础上提出了广义自回归条件异方差(GARCH)模型。此后,许多学者在GARCH(ARCH)模型的结构下,又发展出一系列新的模型,统称为GARCH族模型。