中美股指间的动态相依结构及突变因素——基于时变Copula-ARMA-NAGARCH的分析

为了克服传统格兰杰因果检验等方法在研究股市相依结构时存在的不足,文章构建了时变Copula-ARMA-NAGARCH模型,研究了中美股指及中国主要股指间的动态相依结构及其突变影响因素.研究发现,中国主要股指间的动态相依关系存在显著差异,中美两国主板间和创业板间的联动关系密切,其相依结构具有显著的突变特征.其中,国际因素对中美股指间的相依结构具有正向影响,对国内股指的相依结构影响不显著;国内因素对国内股指相依结构的影响是正向的,对中美股指间的相依结构影响是负向的,中美两国股票市场表现为非对称的相依结构.     

HAC模型在东盟股市中的相依性分析研究

以近10年东盟6个代表国的核心日股票收益指数为研究对象,选取2009-01-21—2019-02-11的交易数据,分别建立ARMA-GARCH模型和分层阿基米德Copula(HAC)模型来刻画东盟各国股市的动态特征和相依性风险。研究表明:ARMA(1,1)-GARCH(1,1)模型对东盟代表国的股指收益率有着较好的拟合效果,偏t分布下的模型能更好地捕捉收益率的尖峰厚尾性,在HAC的3个生成元Clayton、Gumbel、Frank函数中,Gumbel函数的拟合度最好。结果证明:马来西亚、印尼和新加坡的股指相依性最大,越南跟其他东盟国的股指相依性最小。该结果对国内外企业在东盟如何投资发展具有一定的指导意义。     

中国股市风格资产组合市场风险测度——基于EVT-t-Copula模型的实证研究

针对传统线性计量模型无法充分刻画中国股市风格资产收益系列存在"自相关"、"尖峰"、"厚尾"等非正态分布特征以及风格资产间存在复杂的非线性相关结构的局限。本文首先采用AR(1)-GJR(1,1)模型来刻画中国股市风格资产的边缘分布,接着结合各边缘分布的残差系列,引入Copula函数来分析这六种风格资产之间的相关结构,并结合极值理论和蒙特卡罗模拟方法来模拟大盘成长、大盘价值、中盘成长、中盘价值、小盘成长、小盘价值这六种股市风格资产投资组合的联合收益率分布函数,在此基础上求出各我国股市风格资产组合的市场风险(VaR与CVaR)。研究结果表明,根据极值理论得到的广义帕累托分布能够较好拟合风格资产日收益率序列的尾部特征,相比其他计算方法的VaR和CVaR值,基于EVT-t-Copula模型能够更准确度量中国股市风格资产组合的市场风险。因此,EVT-t-Copula模型有助于提高中国股市投资组合的风险管理效率。     

多元t分布的尾部性质及其在股票市场的应用

研究多元t分布的厚尾性和尾部相依性,并用股票市场的真实数据来估计尾部相依系数,从而说明在金融市场尤其是股票市场中,用多元t分布来模拟数据比用多元正态分布更合理。     

基于截L-矩和GPD的中国股市VaR经验测度:1991-2011

L-矩方法现已成为金融领域厚尾分布分析和建模的重要工具,当极端值较多时,L-矩方法会变得较敏感,截L-矩不但具有L-矩方法的优良特征,而且增加了对首尾极端值的控制参数,对极端值存在的情况更加适用。论文采用AR(1)-GARCH(1,1)模型对收益率序列进行建模分析,得到近似独立同分布的残差序列。在此基础上,基于截L-矩考察广义帕累托分布对上证指数的损失尾部拟合情况,VaR的返回检验表明:基于截L-矩的GPD分布可以较好地拟合损失收益率的尾部,极值VaR可以有效地度量上海股市的风险。     

世界原油价格风险度量——基于EGARCH-EVT-t Copula模型

从原油现货市场收益率的特征分析入手,为了更好地描述原油现货市场收益率的尖峰厚尾、偏态和波动集聚等特征,运用EGARCH 对条件波动率进行建模,进而运用极值理论对标准残差序列的尾部分布进行建模,刻画原油现货市场极值风险,同时结合Copula函数和Monte Carlo模拟技术来度量不同持有期相应的VaR值.实证结果表明:原油市场随着置信度的提高和持有期的延长,VaR的绝对值在增大.同时,回测检验结果表明基于EGARCH-EVT-t Copula的模型能够精确有效地度量原油现货市场极端风险.     

股指期货与现货指数收益率序列相关性研究——基于Copula函数的实证分析

沪深300股指期货推出后,其与沪深300指数的关系就引起投资者和研究者的关注。以沪深300指数和沪深300股指期货的日收益率数据为基础,运用Copula函数建立Copula-GARCH(1,1)-GED模型对两者进行相关性分析,结果表明:沪深300指数与股指期货收益率序列之间相关程度非常高,而通过比较秩相关系数的拟合情况,二元正态Copula函数更接近实际情况;在平方欧式距离的标准下,二元t-Copula模型能够更好地描述沪深300指数与沪深300股指期货日收益率序列的相关结构;两序列的尾部相关程度非常高,表明当股票市场大幅度波动时,沪深300指数与沪深300股指期货的相关程度显著提高。     

沪深300股指期权定价研究——基于SV-T模型的实证

沪深300股指期权定价研究根据沪深300指数的时间序列特性,选用随机波动期权定价模型(SV-T)分析沪深300股指波动率结构的变化特征,并根据数据特点,将连续的SV-T模型离散化,得出具体的波动率数值,从而为沪深300股指期权进行定价,进而说明SV-T模型对沪深300股指期权的理论定价切实可行,成为期权市场投资者的有效工具.因此,要加大股指期权定价的规范性研究,稳步推出股指期权产品.     

逐次Ⅱ型截尾下Gumbel Copula相依竞争失效模型的参数估计

在逐次Ⅱ型截尾样本下,讨论以Gumbel极值分布为边缘分布,Gumbel Copula为连接函数的相依竞争失效模型参数的极大似然估计(MLE)和Bayes估计.对于参数MLE,提出与生存函数成正比的两阶段估计(Inference for the margins, IFM).对于Bayes估计,证明了Gumbel极值分布尺度参数的对数凹性,采用混合ARS(Adaptive Re-jection Sampling Algorithm)和MH(Metropolis-Hastings)抽样方法实现参数估计.模拟结果表明,当两失效机理关联性较弱时,两种估计结果相差不大,但关联性提高时,Bayes估计优于IFM估计.     

基于EVT-POT-SVt模型的风险度量研究

金融资产收益常因金融市场的剧烈波动而产生异常变化,针对其收益的厚尾性、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SVt模型相结合,建立了基于EVT-POT-SVt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合理而有效。     

列维分布VaR模型在中国证券市场风险上的应用及分析

在建立差分股指预测模型的基础上,分析列维分布VaR模型在中国证券市场风险上的应用,并对其精度和预测的可靠性进行了检验,发现基于差分股指预测模型上的列维分布VaR模型仍不失为一有效的估测中国股市风险的方法.     

小样本条件下操作风险度量中的参数估计研究

针对操作风险损失数据匮乏的特点,引入贝叶斯推断理论来保证小样本条件下模型参数估计的质量,将专家经验以先验分布的形式引入,从贝叶斯推断的视角构建了融入专家经验的操作风险损失频率模型、损失强度模型和风险度量模型。其中,损失频率建模中假设损失频率服从Poisson-Gamma分布,损失强度建模中应用极值理论对损失分布的“厚尾”特性进行描述,利用广义帕累托分布(GPD)对损失强度分布进行拟合,并打破GPD的位置参数和形状参数常数化的限制,视其为随机变量并假定两者服从不同的Gamma分布。实证结果证明: 与传统的MLE方法相比,在小样本的情况下,基于贝叶斯推断的MCMC方法对参数的估计更有效和稳定,较好地解决了在操作风险度量中由于损失数据不足给损失分布拟合带来的难题。     

Copula理论在金融上的应用

Copula理论与面向均值、方差和线性相关的建模方法不同,copula模型是对整个联合分布建模,因此可以提供更多有用信息,特别是可以捕捉到非正态、非对称分布的尾部信息。运用copula理论建立的多变量金融时间序列模型可以替代向量GARCH模型,用以描述随机变量间时变的条件相关关系,并可广泛应用于金融市场的相关性分析、资产定价和风险管理等金融领域。     

基于非参数和半参数CARR模型的上海股票市场波动性研究

以上证综指日对数价格的极差为研究对象,分别建立参数、半参数和非参数CARR(1,1)模型来研究上海股票市场的波动性。采用MSE、MAE两种误差度量指标比较参数、非参数、半参数CARR(1,1)模型的拟合能力。结果表明:半参数CARR(1,1)模型在对上海股市波动性的拟合方面表现最优,非参数CARR(1,1)模型次之,GCARR(1,1)模型最差。     

基于FGM copula下应力强度模型可靠性的极大似然估计

针对应力强度模型可靠性估计问题,对变量间具有相关性的情况进行了研究.假设应力强度分别服从不同失效率的指数分布,选用FGM copula度量变量间的相依关系,构造联合分布,计算未知参数和可靠度的极大似然估计(MLEs)和近似置信区间(ACIs).通过Monte Carlo模拟方法,获得不同样本量下估计值的具体数值结果.通过比较各估计的相对偏差,均方误差和95%置信区间覆盖率来评价估计效果.结果表明估计效果良好.随着样本量的增加,均方误差逐渐减小,说明提出方法可以应用到相依应力强度可靠性模型中.     

股票流动性对股市尾部风险的影响——基于POT模型的实证研究

针对在险价值模型正态假设的不合理性,利用基于广义帕累托分布的POT模型对我国股票市场尾部风险进行了度量,并且通过对样本数据按照流动性分组探究股票流动性对我国股票市场尾部风险的影响.将统计理论中的斜率变点理论引入到传统阈值选取方法中,有效避免了最优阈值确定时的主观性问题.研究结果表明:对于股市尾部风险的度量,95％置信水平下的VaR值比90％置信水平下VaR值的估计结果更可信,且估计值显示尾部风险与流动性呈反向变化,即股票流动性越小,市场尾部风险越大.     

SHFE和LME期铜相关模式的研究

Copula函数包含了随机变量间所有的相关信息,可表示金融资产间的相关模式(即依存关系)。分析了一些Copula函数描述相关模式的特点,结合GARCH模型、Copula函数和基于极值理论的GPD分布,构造了Copula-GARCH-GPD模型,用于研究上海期货交易所和伦敦金属交易所期铜间的相关模式。实证研究结果表明,GARCH-GPD模型能很好地描述两市期铜收益率序列的“厚尾”特征,混合Joe-Clayton Copula能很好描述相关模式,充分反映相关性的信息。     

保险业财产损失分布的拟合及预测——基于RBF神经网络的应用分析

依赖传统的损失分布理论,财产损失分布模型拟合的优劣往往取决于经验分布函数的选择和参数的确定.由于财产损失信息的不完整和损失数据的不充分,经验分布函数的选择有时会出现较大偏差,难以保证损失分布模型较好的拟合性和有效的预测性.为改进测算效果,采用径向基神经网络,在对原始数据进行平滑处理的基础上学习与训练,进而设计未来财产损失测算模型、选择现实数据模拟并进行实证分析.研究结果表明,RBF神经网络用于财产损失分布的拟合及预测具有良好的适用性,而且随着训练样本.数量的增加,模拟值逐渐逼近真实值;RBF人工神经网络建立的模型,能够很好的将财产损失中的非线性关系描述出来,并且随着观察数据的不断更新,所建立的非线性模型与实际系统更加接近,使得非线性模型能够取得比线性模型更加良好的模拟预测结果.     

巨灾风险下的农作物保险费率厘定研究

近年来,随着自然灾害的频发,农业保险成为学术界和实践部门研究的重点和热点,研究成果不断涌现。本文在已有研究基础上,对巨灾风险下的农作物保险各层次费率厘定进行了数理分析与探究：利用拟合分布法厘定纯费率;利用极值理论超阈值模型度量农业巨灾风险确定再保险费率;结合资本资产定价法厘定包含巨灾风险的农业保险附加费率,最后,进行了应用举例。