我国贸易回滞的实证分析

首先阐述了贸易回滞产生的根源在于贸易市场结构的变化,然后对 1981年～2001 年我国净出口和汇率的时间序列数据分别进行增广迪基-富勒检验,检验结果表明两者都有单位根,即均为随机游走序列,这样净出口就可能存在回滞.再对净出口和汇率进行协整检验,检验结果表明这两个变量之间不存在协整,这进一步证实了两者之间确实不存在函数关系,由此得出我国存在贸易回滞的结论并据此提出人民币不应贬值等几项政策建议.     

金融ARCH模型的贝叶斯检验和模型选择

在金融时间序列分析中,检验ARCH效果和决定合适的阶是ARCH模型的重要研究主题,在贝叶斯框架下,本文使用贝叶斯因子来检验ARCH效果和选择ARCH模型合适的阶。在路径抽样的基础上,提出了计算ARCH模型贝叶斯因子的方法。最后,我们用一个具体的实例来论证了所提方法的有效性。     

时间序列模型在中国股市中的应用

时间序列模型是研究股票市场的一个非常重要的工具,本文在不同情境下分别采用ARIMA和ARCH两种模型分析方法,对上证指数的周收盘价格进行了建模分析,结果表明,ARCH模型比ARIMA模型效果要好一些。     

非正态ARCH族模型的预测绩效和VaR度量研究

本文以上海证券综合指数为样本,在残差项服从正态和非正态假设下,分别进行ARCH建模,比较正态残差项和非正态残差项ARCH族模型对波动率的预测绩效和VaR度量效果,以揭示分布假设对GARCH模型预测能力和风险度量的影响.     

人民币汇率与股价的ARCH模型分析

股市和汇市的表现是反映一国经济的两个重要方面,其中的价格指标股价和汇率势必存在某种关联关系。本文通过对人民币汇率和上证综指的时间序列进行相关分析,并分别建立股价与人民币对美元汇率和欧元汇率的ARCH模型,经过ARCH检验和GARCH模型的检验,结果发现人民币对美元名义汇率的变化对股价的即期影响是负向的,远期影响是正向的,而人民币对欧元名义汇率的变化对股价的影响是微弱的。     

证券市场波动性评价方法研究

研究了将ARMA模型与ARCH族模型相结合,通过建立ARMA-EGARCH-M模型来拟合证券市场波动性,基于大样本数据通过样本期内外模型预测能力检验,得出结论认为ARMA-EGARCH-M模型对上海证券市场波动性拟合优于传统的ARCH族模型。     

多元长记忆SV模型及其在沪深股市的应用

对多元长记忆随机波动进行建模,并给出了相应的谱似然估计方法以及在多元随机波动模 型框架下分数维协整的检验步骤. 最后用上海和深圳的数据对所给的模型与方法进行了实证检验.     

我国银行间同业拆借利率的动态研究——基于跳跃-扩散-机制转换模型的实证分析

针对我国短期利率易受政策影响,波动较大并存在结构变化等特点,构建了跳跃-扩散-机制转换模型,同时考察了银行间7天同业拆借利率的波动、跳跃和结构变化三种效应,发现我国同业拆借利率不仅具有均值回归特性而且还存在明显的跳跃与机制转换,并且该模型比其嵌套的受限模型表现更佳.在高波动状态下利率波动的水平效应和ARCH效应可以忽略...     

基于EGARCH模型的股指期货跨期套利交易策略研究

本文利用沪深300股指期货合约IF1312与IF1401的5分钟收盘数据建立跨期套利模型,在协整理论的基础上,检验得出残差序列存在ARCH效应,并用EGARCH模型对回归方程进行改进,改进后的模型能更好的实施套利交易策略。通过样本内外数据的交易结果表明,沪深300股指期货合约存在日内跨期套利机会,在风险和成本可控下,能获得较高的收益。     

人民币汇率、升值预期与外汇储备相关性研究

在理论分析的基础上,采用结构变化单位根(ZA)检验对数据进行处理,运用结构变化协整(GH)检验实证研究人民币汇率、人民币升值预期与外汇储备之间的相关性.实证结果表明:人民币汇率(名义有效汇率及实际有效汇率)与外汇储备之间不存在普通意义上的协整关系;而人民币升值预期与外汇储备之间存在发生结构变化的长期协整关系,人民币升值...     

稳健非参数VaR建模及风险量化研究

参数VaR模型被广泛应用于风险测量中,然而需要给出具体的结构形式,这就容易发生模型错误设定的灾难,使风险计量的精确性易于产生较大偏差。针对参数VaR模型的设定误差问题,本文构建了SQ-ARCH和Nop-Quantile两个非参数VaR模型,诣在提高传统风险计量模型的灵活性、稳定性和准确性。采用稳健的分位数回归方法,得到了计算这两个VaR模型的具体表达式并给出了模型估计的算法和步骤。Monte Carlo模拟发现无论模型正确还是错误设定非参数VaR模型比参数ARCH类VaR模型更稳健。此外,把这两个稳健非参数VaR模型应用于我国股票市场风险量化的实证分析中。研究结果表明稳健非参数VaR模型比参数ARCH类VaR模型度量风险更准确。     

基于虚拟变量分位点回归模型的条件VaR估计以及杠杆效应分析

已有成果在研究杠杆效应时大多数都是基于ARCH类模型,从波动率的角度进行分析的。本文应用分位点回归模型以及含有虚拟变量的分位点回归模型分析了"已实现"波动率条件下的CVaR,并尝试从市场风险的角度对杠杆效应进行分析。最后,对中国股票市场进行了实证研究,得到了"已实现"波动率条件下的CVaR估计,并从风险的角度证实了中国股市的市场风险存在杠杆效应。     

Income Variance Dynamics and Heterogeneity

Recent theoretical work has shown the importance of measuring microeconomic uncertainty for models of both general and partial equilibrium under imperfect insurance. In this paper the assumption of i.i.d. income innovations used in previous empirical studies is removed and the focus of the analysis is placed on models for the conditional variance of income shocks, which is related to the measure of risk emphasized by the theory. We first discriminate amongst various models of earnings determination that separate income shocks into idiosyncratic transitory and permanent components. We allow for education‐ and time‐specific differences in the stochastic process for earnings and for measurement error. The conditional variance of the income shocks is modelled as a parsimonious ARCH process with both observable and unobserved heterogeneity. The empirical analysis is conducted on data drawn from the 1967–1992 Panel Study of Income Dynamics. We find strong evidence of sizeable ARCH effects as well as evidence of unobserved heterogeneity in the variances.     

Inference in Arch and Garch Models with Heavy–Tailed Errors

ARCH and GARCH models directly address the dependency of conditional second moments, and have proved particularly valuable in modelling processes where a relatively large degree of fluctuation is present. These include financial time series, which can be particularly heavy tailed. However, little is known about properties of ARCH or GARCH models in the heavy–tailed setting, and no methods are available for approximating the distributions of parameter estimators there. In this paper we show that, for heavy–tailed errors, the asymptotic distributions of quasi–maximum likelihood parameter estimators in ARCH and GARCH models are nonnormal, and are particularly difficult to estimate directly using standard parametric methods. Standard bootstrap methods also fail to produce consistent estimators. To overcome these problems we develop percentile–t, subsample bootstrap approximations to estimator distributions. Studentizing is employed to approximate scale, and the subsample bootstrap is used to estimate shape. The good performance of this approach is demonstrated both theoretically and numerically.     

存在方差持续性的资本资产定价模型分析

自回归条件异方差(ARCH) 类模型突破了传统计量经济分析的同方差假定,对现代资本 资产定价理论产生了深远的影响. 随着对时变方差研究的深入,方差持续性也日益受到人们的 重视. 文章首先介绍了条件均值、条件方差以及在自回归条件异方差的基础上介绍了方差持续 性的有关概念和性质,并将之用于资本资产定价模型的研究,讨论了条件方差持续性对资本资 产定价模型的影响,并且进一步讨论了在多资产条件下向量GARCH 模型持续性对组合投资 的影响.     

SOME CAUTIONARY NOTES ON THE USE OF CONJOINT MEASUREMENT FOR HUMAN JUDGMENT MODELING*

Conjoint measurement has been suggested as a methodology that might be useful in assisting research concerned with the identification of the structural form of a judge's model. This paper synthesizes the results of some recent research that examined the robustness of this methodology. This research suggests that conjoint measurement has three major weaknesses: (1) certain biases exist when diagnosing model structure, (2) model diagnosis is limited to a small set of potential models, and (3) error substantially compromises conjoint measurement's ability to diagnose model structure. An empirical example that demonstrates some of the difficulties of using this methodology with experimental data is also presented.     

基于ARCH-Expectile方法的VaR和ES尾部风险测量

甄别和确定风险因素的贡献是资产或资产组合风险管理的重要研究内容。近十年,下端风险越来越受到关注,在险价值（Value at Risk,VaR）和预期不足（Expected Shortfall,ES）是资产组合风险管理中两个常用的风险度量工具。Kuan等^[1]在一类条件自回归模型（CARE）下提出了基于expectile的VaR度量-EVaR。本文扩展了Kuan等^[2]的CARE模型到带有异方差的数据,引入ARCH效应提出了一个线性ARCH-Expectile模型,旨在确定资产或资产组合的风险来源以及评估各风险因素的贡献大小,并应用expectile间接评估VaR和ES风险大小。同时给出了参数的两步估计算法,并建立了参数估计的大样本理论。最后,将本文所提出的方法应用于民生银行股票损益的风险分析,从公司基本面、市场流动性和宏观层面三个方面选取影响股票损益的风险因素,分析结果表明,各风险因素随股票极端损失大小的水平不同,其风险因素的来源及其大小和方向也是随之变化的。