基于Copula-SV-GPD模型的投资组合风险度量

对于多元金融资产组合,针对资产收益的厚尾性、波动的异方差性及资产间的非线性相关结构等特征,采用SV-t模型与极值理论结合刻画单个资产收益的波动性及尾部分布特征,应用Copula函数处理多元资产间的相关性,并结合Monte Carlo模拟对投资组合进行风险测度.通过对华安创新基金的实证分析结果表明,基于SV-GPD的边缘分布模型能有效地刻画金融资产收益时序并较为精确地处理资产收益尾部的异常变化,相比其他风险度量模型具有更好的优越性,基于Copula-SV-GPD模型的多元资产组合对风险测度能力更强,能有效地管理投资风险.     

基于EVT-POT-SV-MT模型的极值风险度量

针对金融资产收益的异常变化,采用SV-MT模型对风险资产的预期收益做风险补偿并捕捉收益序列的厚尾性、波动的异方差性等特征,将收益序列转化为标准残差序列,通过SV-MT模型与极值理论相结合拟合标准残差的尾部分布,建立了一种新的金融风险度量模型——基于EVT-POT-SV-MT的动态VaR模型.通过该模型对上证综指做实证分析,结果表明该模型能够合理有效地度量上证综指收益的风险.     

基于核估计及多元阿基米德Copula的投资组合风险分析

在研究金融资产的组合风险分析中,描述多个金融资产间的相关结构是选择最优组合权重的关键因素之一,如何准确地刻画金融资产间的非对称尾部相关结构,在定量研究组合资产的风险分析中尤其重要.利用多元阿基米德Copula捕捉多个金融资产间的相关结构,并用非参数核密度估计描述单个金融资产的边缘分布,建立Copula-Kemel模型.利用该模型和VaR风险测度,对中国股票市场的实际组合投资问题进行风险分析,并在风险最小原则下,给出不同置信水平下的最小VaR值及其对应的最优组合权重系数.     

基于SV-SGED模型的动态VaR测度研究

本文针对金融资产收益展现出“有偏”及“厚尾”分布特征,引入有偏广义误差分布（SGED）来描述资产收益,继而提出SV-SGED模型对资产收益波动率建模,并以此来测度动态风险值（VaR）,进而采用后验测试技术对风险测度模型的精确性进行检验。同时,为了估计SV模型的参数,提出基于有效重要性抽样（EIS）技巧的极大似然（ML）估计方法。最后,给出了基于上证综合指数的实证研究。结果表明,SV-SGED模型比正态分布假定下的SV（SV-N）和广义误差分布假定下的SV（SV-GED）模型具有更好的波动率描述能力,SV-SGED模型展现出比SV-N和SV-GED模型更优越的风险测度能力。     

高维时变协高阶矩建模及其投资组合应用——基于半参数分布因子模型

本研究提出了一种基于半参数分布时变因子模型的动态协高阶矩建模方法，给出了模型设定、模型估计和时变高阶矩的检验.通过因子模型有效缓解了动态协高阶矩估计存在的“维数灾难”问题，同时通过引入半参数分布增加了模型的稳健性.实证研究表明：相比于现有协高阶矩估计方法，基于因子模型的动态建模能够有效捕捉资产收益率协高阶矩的时变结构，同时更加契合金融资产收益率的潜在特征；动态投资组合能够应用于高维场景，并产生更高且更稳定的经济价值，稳健性分析进一步证实了这一点.     

股票定价模式及股价分解测度方法研究——基于输入输出转换及相对比较的视角

通过超额收益统计检验研究市场有效性和利用均值-方差投资组合理论间接研究金融资产定价的经典方法与范式正面临尖锐的质疑和挑战.本文从输入输出转换和相对比较的视角对股票定价机制进行了分析,提出了一个涵盖四类定价因素,综合反映股票内在价值和相对价值的定价模式,给出了各组成部分的测度模型.最后,利用9家多重上市公司股票论证了本文提出方法的有效性.     

股票收益随机波动模型研究

通过对金融资产时间序列数据特点的分析,指出GARCH模型在描述金融资产时序数据的局限,尝试用随机波动模型刻画股票收益的波动规律,采用GMM方法估计模型参数,并以上海证券交易所综合指数日收益率数据为样本,对沪市指数收益波动进行实证研究,探讨涨跌停板制度对股市波动的作用。     

金融工程中资产收益的连续时间模型评述

总结了在过去30年中金融资产收益连续时间模型的发展及主要成果,讨论了迄今连续时间模型参数估计的主要方法,其中特别讨论了MCMC方法;最后指出了现在和未来该领域研究所面临的主要课题。     

基于Copula-APD-GARCH模型的投资组合有效前沿分析

根据ES风险度量方法,拓展了马克维茨均值-方差资产组合模型,研究均值-ES准则下的资产组合问题.用APD-GARCH模型刻画风险资产收益率序列,以多元Copula函数描述风险资产间的相关结构信息,构造灵活的Copula-APDG-ARCH模型.利用该模型,借助Monte Carlo模拟,分别研究相关结构是多元正态Copula函数、多元t-Copula函数和多元Clayton Copula函数的风险资产组合的均值一ES有效前沿,并进行比较.实证研究表明,在有效组合范围内,正态Copula函数明显高估了资产的组合风险;当期望收益较小时,t-Copula函数对应的风险值最小,但随着期望收益的增加,多元Clayton Copula函数时应的有效前沿表现最好.     

NSS中基于云模型的谈判人偏好表示及其效用研究

为解决谈判支持系统中谈判人偏好表示与偏好效用的难点问题,给出了一种基于云模型的心理偏好表示和效用计算方法.首先给出了基于云模型的偏好描述模型,模型充分表达了心理偏好的模糊性和随机性然后给出了基于云模型的心理偏好表示的运算方法和效用计算方法,同时给出了谈判支持系统中通过中介方式基于云模型的偏好表示的谈判建议解求解方法.     

基于Skew-t-FIAPARCH的金融市场动态风险VaR测度研究

本文引入FIAPARCH模型刻画金融价格条件波动率特征,引入有偏学生t分布捕获收益率有偏特征,并以此来测度金融市场动态风险VaR;进而运用返回测试和动态分位数回归方法对风险测度模型准确性进行实证检验.结果表明,RiskMetrics和GARCH-N测度金融市场的风险的可靠性差;有偏学生t分布比正态分布、学生t分布更能准确反应金融收益分布实际特征,具有更高的风险测度能力;FIAPARCH-SKST展示出比其它模型具有绝对优越的风险测度效果.     

金融高阶矩风险溢出效应研究

开展金融风险溢出效应的研究,对于避免金融风险从一个国家、地区或市场迅速地传播到其它的国家、地区或市场具有重要的意义.早期的金融风险溢出研究只考虑前二阶矩,即均值的溢出效应和方差的溢出效应.在一元GARCD-JSU模型的基础上,构建了世界因子、地区因子及单个市场因子三个因子模型,并对高阶矩风险的溢出效应进行了分解,用于研究金融高阶矩风险在世界、地区和单个市场之间的溢出效应.最后,对亚洲一些主要国家和地区金融风险溢出效应进行了实证研究.     

企业年金积累期的最优动态资产配置策略

替代率是评价企业年金基金投资效果的重要指标之一.本文构建了与替代率挂钩的目标基金,建立了基于目标的企业年金基金最优资产配置模型,利用随机动态规划方法获得了年金基金最优投资策略的解析解,并通过蒙特卡洛模拟技术对所得结果进行数值模拟,考察了不同市场环境及不同群体的最优配置策略和最优策略对可控制参数的敏感性.结果表明:模型中参数对年金基金的最优配置策略各有不同影响,不同群体和不同金融市场中的最优策略也有差异,但总体而言最优资产配置策略具有高风险资产权重随着时间推移而降低的动态特征.     

胖尾分布及长记忆下的动态EVT-VaR测度研究

针对金融收益胖尾分布特征及条件波动率长记忆性特征,运用FIGARCH对条件波动率建模、极值理论(extreme value theory,EVT)对标准收益序列的尾部建模,测度出金融市场动态极值风险,进而运用返回测试(back-testing)技术,对模型在样本内的测度准确性与样本外的推广能力进行稳健性检验.实证研究结...     

一种新的金融动态横截面估计方法——基于中国股票市场条件定价模型评估的应用与扩展

大多数资产定价模型常常用静态横截面回归(the static cross-sectional regression)进行定价表现评估,从而投资组合回报率的时间变化性并不能被时变的风险承载或者(和)时变的风险溢价所解释.本文从经济学的角度,运用一种新的金融动态横截面回归(the dynamic cross-sectional regression),首次考察了基于中国股票市场和美国股票市场的条件资产定价模型的定价表现:股票市场投资组合回报率的时变性是否能被时变的风险溢价所解释.本文发现,短期收益反转和流通市值加权市场换手率为条件变量的条件资本资产定价模型和基于消费的条件资本资产定价模型,能更好的解释中国股票投资组合的回报时变性,其时变性主要来自于时变的风险溢价.另外,本文发现一些拥有持续(persistence)和缓慢变化(slow-moving)特性的条件变量更能够解释横截面投资组合的时变回报.     

资产泡沫、技术创新与经济增长

本文从理论和实证两个角度研究了资产泡沫发生、技术创新与经济增长之间的相关性。理论方面,本文构建了符合我国经济典型事实的熊彼特经济增长模型。模型中,企业家在为研发筹集资金时面临融资约束。由于融资约束的存在导致资本市场的资金供过于求,发生资产泡沫可促进企业平均的研发投入增加,研发成功的概率相应上升。实证方面,本文采用FF-TVP-SV-VAR和TVAR模型以及我国2000-2016年的月度数据分别对理论分析得出的结论进行检验。实证结果表明,资产泡沫发生可以促进技术创新,但该效应依赖于融资约束。此外,本文识别了融资约束的两个门限值。低于下限值时,资产泡沫可通过技术创新效应促进经济增长;高于下限值时,资产泡沫的技术创新效应较弱,因而对经济增长产生负向作用。     

基于第一HJ距离的线性因子模型设定检验

模型设定检验是金融建模的重要环节,是减少模型风险的关键步骤.本文基于Hansen和Jagannathan[1]提出的第一HJ距离模型误设测度,以台湾市场丰富的股票和指数期权数据为基础,对8种常见的线性因子模型(包括基于金融资产价格的线性因子模型)进行模型误设检验,并探究模型设定对参数检验的影响.研究发现:在5%的显著性水平下,所有无条件信息模型均存在模型误设问题,仅FF3、LM、VanM、SkewM的条件信息模型成为可接受的正确模型;同时,是否考虑模型可能误设会影响SDF参数的检验,考虑模型可能误设能更有效地侦测因子的定价能力,而不考虑模型可能误设会高估模型SDF参数的t值绝对值,致使部分因子可能存在"伪"定价现象.     

基于异质价格信念的金融资产泡沫形成机制

假设风险资产未来价格变化由其过去价格变化外推形成,基于现金流股息冲击提出一个新的资产价格泡沫模型研究金融资产泡沫形成机制、提炼其内在特征、获得金融市场稳定发展的相关启示。假设异质价格信念投资者具有常绝对风险规避效用偏好,基于期望效用模型获得基本面投资者和外推型投资者的最优风险资产需求函数;进一步,假设外推型投资者在资产交易过程中部分关注风险资产基本价值,修正其最优风险资产需求函数,在市场出清状态下获得资产价格泡沫模型;基于模型参数设定模拟金融资产泡沫形成机制,并结合金融市场证据分析其内在特征;最后,从投资者异质性和无风险资产收益率层面设定参数值对比讨论影响金融资产泡沫强弱程度的因素。结果表明：在正的现金流股息冲击下,外推交易行为导致金融资产泡沫,且具有滞后性;金融资产泡沫具有典型的三阶段特征,量价齐升是金融资产泡沫产生的显著标志;无风险资产供给是金融资产泡沫的抑制器;投资者结构及其价格信念差异与金融资产泡沫的强弱程度密切相关。研究不但为金融资产泡沫形成机制提供了一个分析框架,而且为金融市场稳定发展提出相关决策参考。     

中国股市与周边股市波动风险传导效应研究

由于金融资产收益的条件波动率不仅是金融市场风险度量的重要指标,而且呈现出明显的杠杆效应。因此,本文运用能够刻画波动率杠杆效应的LGARCH(Leverage GARCH)模型对金融市场条件波动率进行建模分析,进而运用Granger-Causality检验分析了中国股市与周边股市波动风险的传导效应。实证结果表明,在整个样本区间,上海股市与周边重要股市的联系比较微弱,仅与香港股市存在一定的风险传导关系,而与东京、新加坡股市却不存在传导关系。然而,在我国股市对境外合格机构投资者(Qualified Foreign Institutional Investors,QFII)开放后,中国股市与周边股市的波动风险传导关系明显异于对QFII开放之前和整个样本期的风险传导关系,上海股市与香港、东京、新加坡股市间的波动风险传导关系均显著增强。