基于Leverage SV-Copula的国债指数和股票指数尾部相关性分析

研究国债和股票的相关关系对于风险管理有重要的意义.文章在用Leverage SV模型描述股票和国债指数波动的基础上,采用Copula函数研究国债和股票指教的尾部相关关系,发现股票和国债的尾部相关关系不对称,有较为显著的下尾相关而上尾相关不明显.进一步采用时变SJC-copila函数研究发现,下尾相关系数较大的时点较多出现在上一年11月份到下年2月份期间,在此期间通过投资国债市场分散股票投资风险的效果较差.     

SV模型局部分析的稳健性研究

随机波动（SV）模型是一种重要的具有隐性波动的时间序列模型。本文在对SV模型进行Cook局部影响分析的基础上，探讨方法对参数估计精度的稳健性，从而评价局部影响分析方法应用在时间序列模型的优劣。     

基于杠杆效应SV模型和EGARCH模型VaR的比较

文章通过对比EGARCH和杠杆效应SV模型,发现杠杆效应SV模型更能刻画金融市场的实际特征。将杠杆效应的随机波动SV模型应用于VaR的计算,并作实证研究。通过与EGARCH模型下的结果对比,得到基于杠杆效应SV模型计算的VaR更具有动态性和准确性,VaR更贴切地反映了金融市场的风险水平。     

基于Spline-GARCH模型的股票市场长期波动趋势的度量

文章利用Engle和Rangel(2008)最新提出的Spline-GARCH模型对我国股票市场长期波动趋势进行研究,把波动分为瞬时高频波动部分和缓慢变化的长期低频时变波动部分,放松了传统GARCH类和SV类模型假设非条件波动是常数的限制,实证检验了该模型的有效性。并对引起股票市场低频波动的原因进行了分析,研究了低频时变波动与GDP、CPI、货币供应量M1以及利率波动的关系。     

多变量随机波动率模型及在中国股市的应用

文章在一维随机渡动率(SV)模型基础上,通过扩展,建立了多个多变量随机波动率(MSV)模型.首次将MSV模型大规模应用于中国沪深两市指数周收益率数据,利用MCMC方法进行模型估计,选用DIC准则进行模型比较,得出拟合程度最好的MSV模型.结果显示,加入波动率单边Granger因果关系的MSVGt-AR(1)模型对沪深两市的拟合能力最好.     

基于随机波动模型的人民币汇率波动性分析

自人民币汇率体制改革以来,汇率波动日趋复杂,对我国经济的影响也更加重要.鉴于此,文章运用随机波动(SV)模型对汇改后美元兑人民币汇率进行分析,结果表明杠杆效应对我国外汇市场的影响较小,而人民币汇率收益率与市场风险密切相关.     

金融市场随机波动模型的研究与分析

随机波动模型是描述金融市场波动性的一种重要方法。随机波动模型随着时间的推移发展的越来越成熟,很多研究者都在此基础上做了拓展,并且由于其参数估计的特殊性,也研究出各种参数估计的方法。文章主要应用基于Gibbs抽样的蒙特卡罗(MC)方法对SV的各类扩展模型进行了模拟仿真,并进行了一定的比较分析。     

基于DIC准则的SV族模型的比较

对于某一给定的数据集,建模者都会面临模型选择的问题.在金融市场的波动计量领域,SV族模型作为ARCH族模型的一个很好的代替,正受到越来越多的关注.但因为其复杂性,模型的识别一直是一个难题.现有文献中关于SV族模型的比较,主要是利用贝叶斯因子,此方法的计算非常困难,对应用者的计算能力要求较高.本文以模拟数据和上证综合指数日收益数据为例,阐述了如何利用一种简单有效的准则-DIC准则来进行SV族模型的比较.     

基于高频金融数据的积分波动估计量分析

金融波动研究一直是金融计量与金融工程研究的中心内容之一。随着信息技术的飞速发展,使得金融高频数据获得和处理变得相对容易,因而高频金融波动研究也就成了金融学术界热点之一。针对ARCH类和SV类模型在实际应用中的困难和在高频金融中应用上的局限性,Bellerslev等人提出了用“已实现”波动(realized volatility亦称“已实现”波动率)来测量高频金融的波动率。本文采用等间隔和非等间隔抽样方法进行比较,以确定最佳的积分波动估计量。     

中国农产品价格波动特征的实证研究——基于广义误差分布的ARCH类模型

近年来农产品价格波动频繁,结构特征明显,主要是因为受到生猪、棉花、大豆、胶脂果实类林产品和稻谷等农作物价格波动的影响.利用广义误差分布的ARCH类模型对主要农产品价格波动特征进行分析,结果表明:棉花价格没有显著的异方差效应;生猪、大豆和稻谷的价格波动具有显著的集聚性,但其市场并没有表现出高风险高回报的特征;稻谷价格波动具有显著的非对称性,但大豆和生猪的价格波动没有显著的非对称性.基于GED的ARCH类模型提高了模型的拟合效果,可以更好地分析中国主要农产品价格波动特征.     

基于随机波动率的风险价值计算

在风险价值(VaR)的计算中,通常将市场因子看成是具有固定方差的正态分布,但由于金融市场的时变性,这样得出的结果相当粗糙。GARCH族模型考虑了市场的时变性,但面对金融时间序列的“尖峰厚尾”特征,该类模型也不能很好地对其进行描述。随机波动率模型(SV)在方差表达式中引入新的随机变量,被认为是刻画金     

非对称随机波动模型在中国股市的应用

为了探测随机波动模型的非对称特征,修改传统的随机波动模型建立非对称的随机波动模型,采用基于马尔可夫链蒙特卡洛(MCMC)模拟的贝叶斯分析对模型进行参数估计。对中国深圳、上海股市波动进行实证研究发现,非对称随机波动模型能较好地探测波动存在的非对称波动。与GJR-GARCH模型相比,非对称随机波动模型预测效果更好。     

中国股市波动率的TSK非线性组合预测模型

Grey-GARCH模型是一类新的波动率模型.针对单一Grev-GARCH类模型只能有限地提高波动率的预测精度,利用TSK模糊推理系统,结合组合预测的思想,建立波动率的TSK非线性组合预测模型.通过对上证综指和深证综指的实证分析,发现与单一Grey-GARCH类模型、RBF非线性组合预测模型和线性组合预测模型相比,TSK非线性组合预测模型总体上能够获得更高的预测精度,说明TSK非线性组合预测模型是一种有效的波动率预测分析方法.     

金融时序的波动率模型比较研究

一、引言 关于波动性的研究是金融领域里的一个非常重要的内容,在本文中波动性指的是就是条件异方差.本文借助于软件WinBUGS(BUGS(Bayesian inferenceUsing Gibbs sampling)这是一个专门用来实施贝叶斯方法的免费软件,可在以下站点下载到:www.mrc-bsu.cam.ac.uk/bugs/winbugs)利用MCMC(Markov Chain Monte Carlo)方法来估计单变量的SVN模型的参数,因为通过MCMC方法能取得模型的精确的似然函数,因此这一方法估计SV模型当前被认为是最好的,所获得的参数估计也是最精确的,所以我们可以得到SV模型和GARCH模型更为客观准确的比较.另外利用MCMC方法,在获得波动率的估计值和预测值方面,都变得极为便当.     

GARCH类模型和状态空间模型波动率预测评价

GARCH类模型和状态空间模型已经广泛运用于波动率的预测,但对模型的预测表现进行评价却受到了忽视,其主要原因是缺乏合适的衡量标准.文章首先运用GARCH类模型和状态空间模型对上证指数收益率进行了全面的估计及预测,然后以已实现波动率作为波动率预测的评价标准,通过M-Z回归评价GARCH类模型和状态空间模型的波动率预测表现.     

随机波动模型贝叶斯估计效率研究

讨论了四种不同MCMC抽样方案在SV模型贝叶斯估计中的适应性和稳健性问题。蒙特卡洛模拟结果显示,随机误差项的近似处理方式和波动变量抽样结构直接影响SV模型的贝叶斯估计效率。具体来说,波动变量的"成块"抽样比"逐分量"抽样的效率更高;随机误差项有限混合近似比正态近似的估计精度更优。四种抽样方案中,正态近似和FFBS算法的收敛速度和运算时间最快,有限混合近似和FFBS算法的估计精度最优。     

金融市场异方差模型及实证研究

文章介绍了两类异方差模型并对上证指数进行实证研究,通过研究表明上证指数日收益率序列具有明显的高峰厚尾特性和非对称性,且收益率平方具有自相关性.对两类模型进行了比较分析,结果显示:无论是从日收益率的峰度来看,还是从平方收益率序列的自相关函数的描述采看,SV模型都优于GARCH模型.     

灰色多元线性回归模型及其应用

基于灰色关联法和灰色聚类法诊断、解决多重共线问题;利用GM(1,1)模型对原始数据序列进行修正,降低随机波动的干扰;据修正变量数据建立灰色多元线性回归模型,并将其运用于具体实例取得满意的预测效果。该模型对处理数据贫乏、波动较大的样本效果显著。     

基于Spline-GARCH模型的殳票市场长期波动趋势的度量

文章利用Engle和Rangel（2008）最新提出的Spline-GARcH模型对我国股票市场长期波动趋势进行研究,把波动分为瞬时高频波动部分和缓慢变化的长期低频时变波动部分,放松了传统GARCH类和Sv类模型假设非条件波动是常数的限制,实证检验了该模型的有效性。并对引起股票市场低频波动的原因进行了分析,研究了低频时变波动与GDP、CPI、货币供应量M1以及利率波动的关系。     

中国通货膨胀的预测模型与实证

文章建立了一个带反馈机制多因素随机波动模型来刻画中国通货膨胀动态,基于粒子滤波与MH抽样相结合的贝叶斯方法估计模型参数,并利用粒子滤波方法得到通货膨胀的一步向前预测及随机波动分量的光滑估计.研究表明,与Stock and Waston(2006)的模型相比,带反馈机制的多因素随机波动模型可以刻画经济波动的随机性和经济波动的极端事件,能够较为准确地描述中国通货膨胀的动态行为,从而对通货膨胀可以做出更为准确的预测.