基于g-h分布的极值分布拟合新方法

g-h分布是一种能对具有尖峰、厚尾、偏态特征的分布进行很好拟合的分布,还没有人将其专门用于分布尾部的局部拟合;同时g-h分布传统拟合方法是用分位数分别对其参数进行拟合的,这很难做到使四阶矩同时与目标分布一致。文章首先提出了g-h分布的蒙特卡罗算法;然后利用它进行股票收益率的极端值进行拟合;最后和极值分布拟合方法进行了对比分析。实证表明,g-h分布的蒙特卡罗算法比极值理论更加方便、灵活和准确。     

基于随机模拟与g-h分布的VaR计算方法

在金融风险管理中经常需要对极端值进行统计分析,对变量极端值的分布拟合中g-h分布模拟法可以取得较好的效果.但该方法中参数的拟合一般是用分位数进行的,虽然很简便,却很难做到使四阶矩同时与目标分布一致.改进后的基于随机模拟的g-h分布参数拟合法已经被证明可以很好的解决这一问题.文章将这种改进后的方法用于VaR的计算研究,并通过对股票市场进行实证分析,证明该方法的对VaR的拟合效果优于历史模拟法、正态分布法,且比极值理论法更加方便、灵活和准确.     

风速威布尔分布参数估算方法的比较

文章分别介绍累计分布函数和最小二乘近似拟合的图解法、平均风速与标准差估算的实证法,修正极大似然法和EPF法这四种计算风速威布尔分布参数的估算方法.结合所搜集的某风电场跨期一年的风力和天气数据,将四种算法估算的风速概率分布与实测概率进行比较,计算均方根误差值评估各算法的拟合度.通过计算比较得出结论:图解法拟合效果最差,实证法和EPF法效果基本接近,修正极大似然法是该风电场65米轮毂高度上估算威布尔参数的最优方法.     

证券市场收益率分布时变性的经济学分析及其我国的经验证据

 当投资者预期不一致时,现金流贴现模型用以作为资产价值判断标准的统一性就遭到了破坏,预期相对悲观与乐观的投资者形成了市场交易的两大阵营,由这两大阵决定的卖力与买力的相对能量决定着证券投资收益率的分布特征,无论现实市场价格向哪个方向变动,市场交易的实现都会使证券资产向预期乐观的投资者集中,这种证券资产的集中过程对应着资产收益率分布的时变性,本文不仅从理论上探讨了收益率分布时变性的微观经济基础,而且还以我国上证指数的一个完整的牛熊市周期的实际数据为研究样本,从实证分析的角度证实了股票收益率分布时变性的存在性以及不同阶段收益率的分布特征,并运用马尔可夫概率转移矩阵考察了收益率分布的动态变化过程。     

中国股市收益率分布特征研究

一、引言现有关于证券收益率分布研究的文献大致可以分为三类:统计分布模型,随机过程模型和行为投资模型。后两者更多的是寻找收益率波动的原因,或是从价格形成机制,或是从投资行为学角度试图对收益率的波动做出合理的解释,从而确定描述收益率的理论分布函数;统计分布模型一般直接从经验数据入手,对数据的总体情况作全面的描述。比较后两者,统计分布模型最为突出的优点在于能够提出或拟合出一个收益率分布函数,以具体的     

基于g-h分布的极值风险度量研究

依据ARMA-GJR模型构造标准残差序列,利用EVT模型拟合标准残差序列的尾部特征,进而确定样本阀值,最后结合g-h分布建立一种新的金融风险度量模型———基于ARMA-GJR-EVT-g-h的动态VaR模型。用该模型对上证综指进行实证分析,结果表明,该模型能够更合理有效地管理上证综指收益的风险,并且在高的置信水平上表现更好。     

基于EGAROH-Gopula的金融市场条件相依分析

文章应用条件copula函数拟合上证指数和深证成指收益率的联合分布.对上证指数和深证成指收益率应用EGARCH-t模型拟合其条件分布,在此基础上根据连续条件分布Sklar定理.采用条件正态copula函数建立两者的联合分布.结果表明,EGARCH-t模型能够很好的描述两指数收益率的特征,正态Copula能够很好的描述沪深股市的相关性信息.     

基于稳定分布的风险价值(VaR)研究与实证

文章首先对上证指数收益率进行正态分布的拟合优度检验,然后对上证指数收益率进行了稳定分布拟合及稳定分布拟合优度检验.在此基础上,文章研究了基于稳定分布的VaR模型,并在实证研究中同历史模拟法、分析法计算VaR值进行比较,验证了稳定分布分析法的可行性与可靠性.     

利用ETF类基金进行股指期货套利的方法研究

文章研究了利用ETF类基金进行股指期货套利的一种方法.首先选择基于A股市场投资组合的ETF类基金模拟股指期货标的指数沪深300指数,在确定ETF基金组合的基础上使用GARCH(1,1)拟合模拟沪深300指数的收益率;其次,基于中国金融期货交易所的沪深300指数期货仿真交易合约进行套利分析,分别讨论了ETF的一级市场套利和二级市场套利;最后,定义了套利收益率并选择广义极值分布对其进行拟合,给出了相关分布参数的估计值.     

EM算法下人民币汇率收益率的分布特性

文章以汇改以来的日收益率数据为样本资料,提出混合高斯分布为其分布类型假设,并采用EM迭代算法对其参数进行估计。结果显示,相比于单一概率分布模型,采用3个高斯分布的混合模型几乎能准确拟合汇率收益率的分布规律,同时能通过EM算法求解该混合分布的参数估计。     

基于EGARCH-Copula的金融市场条件相依分析

文章应用条件copula函数拟合上证指数和深证成指收益率的联合分布。对上证指数和深证成指收益率应用EGARCH-t模型拟合其条件分布,在此基础上根据连续条件分布Sklar定理,采用条件正态copula函数建立两者的联合分布。结果表明,EGARCH-t模型能够很好的描述两指数收益率的特征,正态Copula能够很好的描述沪深股市的相关性信息。     

中国股市收益率分布特征实证研究

金融资产收益率是金融经济学中的一个非常重要的概念,能否对收益率的分布状况进行正确描述直接关系到证券组合选择的正确性、风险管理的有效性、期权定价的合理性.在描述股价行为的经典计量模型中,股市收益率通常被假定服从正态分布.许多著名的计量金融学家对这一经典假设作了大量的理论与实证分析,结果表明金融市场上绝大多数股市收益率并不服从正态分布,而具有尖峰、厚尾、非对称等特征.本文借助No1an的稳定分布分析软件对上海综合指数收益率和深圳成分指数收益率的分布状况进行实证分析,研究结果表明这两类股指收益率均可用稳定分布对其进行描述.     

指数-威布尔分布参数贝叶斯估计的混合Gibbs算法

文章利用混合Gibbs算法分别在分组数据和定数截尾场合给出了指数-威布尔分布参数的贝叶斯估计,并进行了Monte-Carlo模拟.结果表明:在两种不完全数据场合,用混合Gibbs算法求指数-威布尔分布参数的贝叶斯估计,结果令人满意,该算法可行、稳定且精度高.     

基于GHSKT分布的WTI原油市场VaR风险度量

众所周知,同正态分布相比而言,金融市场的收益率变量具有偏态和尖峰厚尾特征。文章提出采用GHSKT分布来拟合收益率序列。为了解决参数估计难的问题,提出的强有力EM算法对于解决像包含Bessel函数这样复杂、具有大量局部最优解的优化问题,具有很现实的意义。最后,我们讨论GHSKT分布在WTI原油市场VaR风险度量中的应用。     

双曲分布在VaR模型中的应用

传统的计算VaR的RiskMetrics方法不能对市场风险分布的“厚尾”现象给出较为满意的刻画和计算。本文将双曲分布应用到VaR模型的计算之中。事实上,通过对股票市场的实证研究表明,股票市场数据呈现厚尾现象,用双曲分布对数据的拟合要比RiskMetrics方法假定的正态分布更符合金融数据的实际情况,故本文的结论与方法对金融市场的风险管理是有价值的。     

基于非对称Laplace分布研究VaR

风险价值(Value-at-Risk简称VaR)是度量市场风险的一种普遍使用的工具,可看作是市场风险度量的基石。本文基于非对称Laplace分布来研究VaR,详细地讨论了非对称Laplace分布的性质、参数估计,并用该分布去拟合中国股票市场收益率的分布。实证分析表明,非对称Laplace分布比正态分布、对称Laplace分布的拟合效果有明显的提高。     

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。     

上证综合指数极值分布参数估计的实证分析

文章选取了2013年4月1日至2014年4月21日的所有交易日的上证综指,采用区间选取方法选取每一小时中上证综指的最大值为广义极值分布的样本数据.分别采用线性矩法和最大间隔积估计法对样本数据进行拟合,计算出广义极值分布参数的估计量,通过Q-Q分位数图和K-S检验对参数估计量的拟合优度进行检验.并通过PPCC检验法和均方根误差RMSE对不同估计方法计算出的参数估计量进行比较,得出在此条件下较优的参数估计结果.     

金融衍生产品风险的计量方法

风险因子和资产回报之间的非线性关系以及回报分布形式的复杂性在金融世界中广泛存在,非线性特征和分布形式给传统风险度量造成了技术上的困难,针对这些特征的新理论模型中,基于g-h分布的分位数回归方法就是其中之一。计算机模拟的结果显示,用基于g-h分布的分位数回归法计量金融风险,比传统的Delta法、Delta-Gamma法更加精确,而且比蒙特卡罗模拟法更加简便易行。     

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。