VaR-APARCH模型与证券投资风险量化分析

基本统计分析发现,上证综合指数回报率分布存在尖峰肥尾性,不服从正态分布,并且还具有杠杆效应。本文应用APARCH模型在三种分布假设下对上证综合指数通过事后模拟和条件单步预测来计算上证综合指数的VaR风险值,然后把它与应用GARCH模型的估计结果进行比较分析。通过返回检验,我们发现,APARCH应用于VaR估计是统计有效的,并且明显优于GARHC模型。     

中国居民杠杆结构演变及其风险研究

本文首先构建了居民杠杆结构产生、演变机制的理论模型,其次分析了2000年以来我国居民杠杆结构的演变路径、动力机制及其风险因素,最后提出政策建议。研究表明:我国居民杠杆存在较大结构分化,金融管制对结构产生及其演变产生影响,利率管制放松、股票发行制度改革为居民杠杆结构演化提供动力,并决定其路径,居民杠杆结构演化过程中,金融风险可能增加。本文建议,要差异化和针对性地采取金融政策,缓解居民杠杆结构分化所产生的问题,同时合理利用居民杠杆,防控杠杆结构性问题产生的金融风险。     

财务杠杆原理

财务杠杆是-个应用很广的概念.在物理学中,利用一根杠杆和一个支点,就能用很小的力量抬起很重的物体,而什么是财务杠杆呢?财务杠杆作用是指那些仅支付固定性资金成本的筹资方式(如债券、优先股、租赁等)对增加所有者的作用.     

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。     

SV模型下中国股票型开放式基金杠杆效应分析

针对中国股票型开放式基金收益波动中是否存在杠杆效应的问题,在对该类基金整体及所选取的三支具有代表性的单个基金分析的基础上,运用一个带杠杆效应的SV模型对其收益的波动性建模,并利用MCMC方法对模型进行参数估计。结果显示：不同于一般对股票市场的研究结论,无论股票型开放式基金整体还是单个基金,其收益率序列的波动中均不存在显著的杠杆效应。     

上市公司的管理层融资收购分析

一、管理层收购融资的意义管理层收购（Management Buy—out,简称MBO）,是杠杆收购的一种形式,指企业内部管理者通过自由资金或外部融资,收购所在公司股份,实现企业控股权由大股东转移到高层管理者手中的行为。在现实中,管理层收购可以分为三种类型：一是完全由内部管理层融资独立进行的收购：二是管理层与企业员工一起完成对企业的收购,     

基于分位点回归模型的条件VaR估计以及杠杆效应分析

 在文献中,分析杠杆效应时大多数都是基于ARCH类模型,本文应用分位点回归模型及其变点检测模型分析了“已实现”波动率条件下的CVaR,并尝试从CVaR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,并对中国股市的杠杆效应进行了分析。     

基于稳健马氏距离的多元异常值检测

多元数据由于其复杂性而使其中的异常值检测问题成为一个研究难点.传统的多元统计方法由于受异常值影响使结果产生不稳定性.本文提出一种基于稳健马氏距离的异常值检测方法,并与其它一般的传统办法进行比较说明其优良性.     

基于GARCH族模型的葡萄酒投资指数的波动性分析

对葡萄酒投资市场的波动性进行研究,选取伦敦葡萄酒交易所(LIV-EX)发布的样本区间为1988年1月至2013年11月的LIV-EX Fine Wine Investables Index月度数据,对FWI月收益率序列的平稳性、异方差性进行分析和检验。基于GARCH(广义自回归条件异方差,Generalized Auto-Regressive Conditional Heteroskedasticity)族模型来描述FWI的波动集聚性、敏感性及其杠杆效应。结果表明,FWI月收益率序列是平稳的,其指数波动具有高阶ARCH效应,并且具有正向非对称的反杠杆效应,但不存在ARCH in Mean效应。     

ARCH模型族在深圳成指中的应用

金融资产收益率一直是经济研究人员和投资者关注的焦点,ARCH及GARCH模型族可以较好地拟合金融资产收益率序列存在的尖峰厚尾、波动聚集性以及杠杆效应等特征.本文收集深圳成指(39900 1)二十年的日收盘价,通过GARCH-M模型论证了市场中预期风险增加一个单位,就会导致其收益率相应增加0.112个百分点,收益率的波动冲击影响会持续很长一段时间.利用EGARCH模型说明深圳成指收益率存在着信息不对称性,利空信息的冲击使得波动的变化更加大一些.同时根据相应的统计检验量,发现EGARCH模型比GARCH-M模型具有更好的拟合度,故实际中投资者应选用EGARCH模型预测深证成指的收益率.