排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
中国沪深股市整合性的实证分析 总被引:3,自引:0,他引:3
通过对沪深两市股指之间在一阶矩和二阶矩上的因果关系的检验,本文对两市之间的关系做了系统的分析。协整分析的结果表明,在后两个子样本区中两市股指之间存在双向的因果关系,并且沪市股指的变化起到了主导作用,这种关系在第三个子样本中进一步增强。GARCH(1,1)模型的结果表明沪深两市当期绝对扰动对另一个市场存在显著的“溢出效应”,但深市上的前期绝对扰动没有表现出对沪市的当期波动有显著影响。此外本文还使用了DCC—MVGARCH模型对两市的条件相关系数进行动态可视化。 相似文献
2.
基于VaR的金融资产配置模型 总被引:24,自引:9,他引:15
本文根据均值-方差模型的框架,建立了用VaR代替方差或标准差作为风险的测量指标时的均值-VaR模型,同时使用等VaR线分析了两种模型的内在联系。作为模型的扩展本文还分别考虑了存在无风险资产,负债和非正态分布时的情形。此外讨论了均值-VaR模型有效边界的一些性质。 相似文献
3.
本文针对中国股票市场的实际特点,对几种典型的投资策略进行了分析比较。本研究选取不同类型的数据库作为研究对象,截取出不同时间段的数据用以检验各种投资策略在各种投资背景下的表现。检验结果表明,对于行业层面的投资而言,基于数量化模型的优化策略总体表现较好;但在个股层面,市场组合策略的总体表现较好。此外,当资产数目较大时,简单的1/N平均投资策略在个股层面的投资表现也较为突出。而在股市行情处于单一的牛市或熊市的情形下,基于数量化模型的优化策略的表现比它们在长期平均行情下的表现更好。本文初步探析了这些现象背后的原因。这些结果表明策略类型的选择、参数估计的样本选取是实际投资操作中不可忽视的环节。 相似文献
4.
VaR估计中的模型风险——检验方法与实证研究 总被引:1,自引:0,他引:1
本文以上证A股指数为例对GARCH类模型在估计Value-at-Risk(VaS)值时所存在的模型风险进行了分析。我们分别考虑了基于EWMA,GARCH,EGARCH和FIGARCH模型的VaR估计方法。模型风险的存在意味着使用不同的估计方法得出的VaR值可能迥然不同。为了对这四种估计方法进行评判,我们在似然率和Kullback-Leibler信息准则的基础上运用四种统计检验方法对不同置信度水平下的VaR估计值进行了返回检验。实证结果表明EGARCH和FIGARCH方法的袁现明显比其它两种优越. 相似文献
1