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。     

金融资产极端日收益率数据的统计极值研究

一、极端收益率数学模型1.极端收益率数据的广义Pareto分布拟合定理假设)Xn,是独立同分布随机变量序列,     

数据随机缺失下分位数回归模型的诱导光滑估计法

在数据随机缺失的分位数回归模型中,运用诱导光滑思想构造光滑的估计方程,得到了回归参数的诱导光滑估计及渐近协方差估计。接着证明了诱导光滑估计的渐近正态性质,并给出诱导光滑估计及其渐近协方差估计的算法。模拟研究表明新方法在有限样本中表现出色。     

上证指数收益率的尾部相关性研究

对上证指数收益率与成交量之间的尾部相关性进行了研究,利用Gumbel-H copula函数、极大似然估计法、二元极值Logistic模型等多种方法研究收益率与成交量之间的相关强度.结果表明:两序列尾部渐近相关,但相关度不是很强.     

基于拟似然方法的股票收益与波动率关系及其应用研究

股票市场中收益与波动率的关系研究在金融证券领域起着很重要的作用,而随机波动率模型能够很好地拟合这种关系。本文将拟似然方法和渐近拟似然方法运用在随机波动率模型的参数估计方面,渐近拟似然方法可以避免因为人为的结构错误指定而造成的偏差,比较稳健。本文采用拟似然和渐近拟似然方法对随机波动率模型的参数估计进行了模拟探索,并和两种已有估计方法进行了对比,结果表明拟似然和渐近拟似然方法在模型的参数估计方面有着很好的估计结果。实证研究中,选取2000-2015年标普500指数作为研究对象,结果显示所选数据具有金融时间序列的常见特征。本文为金融证券领域中股票收益与波动率关系及其应用研究提供了一定的启示。     

宏观经济指标、技术指标与国债期货价格预测——基于随机森林机器学习的实证检验

分别以筛选的4种技术指标和6个宏观经济指标作为国债期货指数预测变量,利用随机森林算法构建4种机器学习预测模型;依据价格波动集聚性设计跟踪交易规则,通过比较4种模型的预测精度和跟踪交易收益率,检验宏观经济指标、技术指标和随机森林算法对国债期货指数的预测能力。研究结果发现:用主成分精选技术指标构建的预测模型,对国债期货指数的跟踪交易收益率虽然明显优于市场收益率,但不如遵循单个技术指标经验交易规则的跟踪交易收益率;用主成分精选技术指标和宏观经济指标构建的模型能够取得很好的预测精度和跟踪交易收益率,这表明宏观经济指标与技术指标都对国债期货价格具有预测意义,可以利用随机森林机器学习算法构建有效的国债期货量化投资模型。     

经济时间序列趋势模型的辨析

趋势平稳过程和随机趋势过程是刻画经济时间序列的两种截然不同的随机过程,对于经济建模分析具有不同的影响.文章从基本概念、技术处理和经济涵义上对这两种过程进行了全面的阐述和分辨,并利用渐近分布理论对于两种过程参数的统计关系进行了研究.从中讨论了单位根检验存在的问题,并给出相应的建议.     

结构突变趋势平稳过程与随机趋势过程的虚假回归研究

 内容提要：在已有研究的基础上,本文更为深入的研究含有结构突变的趋势平稳变量与随机趋势变量间的虚假回归问题。本文推导出OLS估计下DW统计量、F统计量以及R2的极限分布,并且将回归模型扩展到动态情形下,推导出用于Granger因果检验的F统计量的极限分布;采用Monte Carlo模拟方法分析了数据生成过程的各项参数对各统计量有限样本分布的影响;最后,本文分析了在有限样本下,数据生成过程的各项参数对虚假回归及虚假Granger因果关系发生概率的影响。     

基于回归的时变偏度和时变峰度识别检验

资产收益率时变高阶矩建模的首要前提是资产收益率的偏度和峰度具有时变性,即资产收益率存在类似于异方差性的异偏度和异峰度特征。目前文献中的时变偏度和时变峰度识别检验存在适用性较差且检验功效较低等不足。本文提出基于回归的检验方法识别资产收益率偏度和峰度的时变性。该检验一方面利用概率积分变换缓解了拉格朗日乘数检验对资产收益率序列的高阶矩存在性的限制,另一方面考虑了检验统计量中参数估计的不确定性对其统计性质的影响,具有良好的渐近统计性质且适用性更广。蒙特卡洛模拟表明该检验具有良好的有限样本性质,具有合适的检验水平和较高的检验功效。最后,将基于回归的检验运用于上证综指和深圳成指收益率的时变建模研究中。     

因子模型门槛效应的LM和Wald检验及其统计性质研究

门槛因子模型可以有效地刻画高维度时间序列的共变特征和区制转换行为,具有良好的可解释性和预测能力。针对因子载荷矩阵存在的门槛效应,本文提出了拉格朗日乘子和沃尔德检验方法,并给出了渐近分布,相关结果表明以上检验统计量具有良好的大样本性质和有限样本表现。在实证部分,以我国股市的行业指数作为研究对象,通过构建门槛因子模型来刻画我国股票市场波动的共变性特征和非对称效应。实证结果表明基于门槛因子模型可以很好地刻画中国股市行业收益率波动的共变特征和区制转换行为。     

浅谈随机模拟

现代统计理论的许多结论,都与随机模拟方法分不开. 当经典回归模型满足所有的假定条件时,参数的估计量才具有最佳线性无偏特性,即有限样本特性,同时也具有渐近特性.当假定条件不成立时(比如存在异方差、自相关等),所采用的广义最小二乘法,以及对联立方程模型的估计,动态分布滞后模型的估计,向量自回归模型的估计所得参数的估计量只具有渐近特性.也就是说,只有当样本容量相当大时,渐近特性才起作用.而当样本容量不是很大,而是很小时,仍然不知道估计量的有限样本分布特征,则需要通过模拟来了解其特征.     

协整参数的自举推断

 针对完全修正最小二乘(full-modified ordinary least square,简称FMOLS）估计方法,给出一种协整参数的自举推断程序,证明零假设下自举统计量与检验统计量具有相同的渐近分布。关于检验功效的研究表明,虽然有约束自举的实际检验水平表现良好,但如果零假设不成立,自举统计量的分布是不确定的,因而其经验分布不能作为检验统计量精确分布的有效估计。实际应用中建议使用无约束自举,因为无论观测数据是否满足零假设,其自举统计量与零假设下检验统计量都具有相同的渐近分布。最后,利用蒙特卡洛模拟对自举推断和渐近推断的有限样本表现进行比较研究。     

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     

具有随机缺失协变量的广义变系数模型

在协变量随机缺失时,文章利用加权拟似然方法给出了广义变系数模型中非参数函数系数的估计。由估计的渐近性质可知,当缺失概率未知时,本文提出的方法与缺失概率已知时的估计的渐近性质类似。通过模拟表明加权拟似然估计要比仅用完整个体的方法要好。     

深市、沪市地产股指数收益率波动性的统计研究

本文研究了深市、沪市地产指数波动的统计性质。我们主要对深市、沪市地产指数2001年-2006年的日收益率进行研究。首先从平稳序列的角度,采用偏度峰度检验和 Kolmogorov-Smirnov 检验等方法对两证券市场的地产指数收益率分布进行了实证分析,研究结果表明中国证券市场综合地产指数收益率序列与Gauss分布具有一定的偏离。进一步地根据数据统计分析,得到两证券市场的地产指数收益率服从幂率分布。论文的最后对地产指数的相关价格进行统计分析,讨论其相应的统计规律性。     

结构渐变条件下单位根检验的统计量研究

当经济统计数据呈现结构渐变特征时，经典的DF和ADF检验统计量的分布特征会有所改变。文章推导了当经济统计数据结构渐变时，DF与ADF检验式中的漂移项、时间趋势项、突变项的系数估计量渐近分布的泛函表达式，导出了漂移项t统计量的渐近分布形式。通过蒙特卡罗模拟，展示了DF检验式中漂移项t统计量的有限样本分布特征，拟合了漂移项t统计量的有限样本响应面函数，并给出临界值表，用于漂移项是否为零的检验。     

混合双参数Pareto分布的假设检验

Pareto分布因其厚尾特点,在金融分析、寿命分析中都是非常重要的统计模型。由于混合分布模型已经成为分析复杂现象的一个重要工具,文章主要研究混合Pareto分布的假设检验问题,通过寻找统计量,提出了χ2和U检验法,并比较了这两种检验方法的适应领域。模拟计算说明了这两种检验方法的可行性。     

混台双参数Pareto分布的假设检验

Pareto分布因其厚尾特点,在金融分析、寿命分析中都是非常重要的统计模型.由于混合分布模型已经成为分析复杂现象的一个重要工具,文章主要研究混合Pareto分布的假设检验问题,通过寻找统计量,提出了x2和U检验法,并比较了这两种检验方法的适应领域.模拟计算说明了这两种检验方法的可行性.     

股票收益率波动和极值关系研究

一、引言股票价格的巨幅波动一直是国家监管部门、金融理论研究者和投资者关注的热点,而股价的波动又和股票收益率分布的尾部密切相关。已有许多学者从事有关收益率尾行为的研究,但是大多数采用的是统计极值理论方法,在利用这种统计方法分析处理收益率数据的过程中,存在几个方面的缺陷:(1)仅仅对超越一定门限的收益率数据(极端收益率)拟合广义帕雷托分布,对于其他数据弃之不用,因而对于研究收益率的波动来说,损失了样本数据中有用的信息,则基于该方法对股票收益率波动的统计推断具有很大的不确定性[1-3];(2)没有考虑股票收益率时间序列的相…     

基于尾部指数回归方法的CVaR估计以及实证研究

 在险价值VaR是一种非常重要的金融风险度量方法,近期也有很多关于动态VaR以及条件VaR (CVaR) 等方面的研究。根据金融资产的收益率具有重尾特征这一事实,本文假定金融资产收益率服从重尾分布,并假定重尾分布的尾部指数随着收益率发生变化。本文基于尾部指数回归模型对重尾分布的尾部指数进行估计,进而得到收益率尾部数据所服从的条件分布,并首次运用该方法对条件VaR进行估计。本文对沪深300指数进行了实证研究,得到CVaR的估计,并对估计得到的CVaR的预测效果作出检验,并与传统VaR估计方法进行了对比,实证结果发现本文的方法的预测效果更好。