基于GARCH模型和SV模型的VaR 比较

简单介绍了VaR的含义及计算方法,指出推测市场因子的波动情况是计算VaR的关键.通过对比GARCH和SV模型,得出SV模型更能刻画金融市场的实际特征.将随机波动SV模型应用于VaR的计算,最后作实证研究.通过与GARCH模型下的结果对比,说明基于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.     

双因子非对称已实现SV模型及其实证研究

在基本的SV模型中引入包含丰富日内高频信息的已实现测度,同时考虑其偏差修正以及波动率非对称性与长记忆性,构建了双因子非对称已实现SV（2FARSV）模型.进一步基于连续粒子滤波算法,给出了2FARSV模型参数的极大似然估计方法.蒙特卡罗模拟实验表明,给出的估计方法是有效的.采用上证综合指数和深证成份指数日内高频数据计算已实现波动率（RV）和已实现极差波动率（RRV）,对2FARSV模型进行了实证研究.结果表明：RV和RRV都是真实日度波动率的有偏估计（下偏）,但RRV相比RV是更有效的波动率估计量;沪深股市具有强的波动率持续性以及显著的波动率非对称性（杠杆效应与规模效应）;2FARSV模型相比其它已实现波动率模型具有更好的数据拟合效果,该模型能够充分地捕获沪深股市波动率的动态特征（时变性、聚集性、非对称性与长记忆性）.     

向量随机波动模型的共因子研究

提出了向量随机波动模型波动协同持续(common persistence in vo lat ility) 的定义, 证明 了波动协同持续与协整(co in tegrat ion) 两者之间的等价关系; 同时, 基于Stock2W at son 与 Gonzalo2Granger 因子分解, 给出了协同持续因子(common persisten t facto r) 的两种不同的表 达形式, 证明了两者间存在着协整关系. 文中讨论了在隐因子过程为VAR (1) 的假定下, 协同 持续因子的表达以及协同持续因子存在的必要条件     

An alternative method for forecasting price volatility by combining models

In this article, we study the volatility in the monthly price series of edible oils in domestic and international markets using the two popular family of nonlinear time-series models, viz, Generalized autoregressive conditional heteroscedastic (GARCH) models and Stochastic volatility (SV) models. To improve the forecasts of the volatility process, we also propose a new method of combining the volatility of these two competing models using the powerful technique of Kalman filter. The individual models as well as the combined models are assessed on their ability to predict the correct directional change (CDC) in future values as well as other goodness-of-fit statistics. Further, forecasting performance are also evaluated by computing various measures to validate the proposed methodology.     

中国股票市场价格波动与交易量关系的贝叶斯分析

利用随机波动 ( SV)模型和基于马尔科夫链蒙特卡罗模拟 ( MCMC)模拟技术的贝叶斯估计方法 ,并把交易量分解为预期交易量和非预期交易量 ,实证检验了中国股票市场中的量价关系。与其他学者的研究结论一致 ,交易量与价格波动存在很强的即期正相关关系 ,这也验证了混合分布假说 ( MDH )理论 ;研究中还发现 ,非预期交易与预期交易对价格波动的影响显著不同 ,非预期交易量所隐含的新信息是真正引起价格波动的根源     

沪深300股指期货的波动率预测模型研究

以沪深300股指期货仿真交易的5分钟高频数据为例,运用滚动时间窗的样本外预测和具有Bootstrap特性的SPA检验法,全面对比了基于日收益数据的历史波动率(historical volatility)模型和基于高频数据的已实现波动率(realized volatility)模型对波动率的刻画和预测能力.主要实证结果显示,已实现波动率模型以及加入附加解释变量的扩展随机波动模型是预测精度较高的波动模型,而在学术界和实务界常用的GARCH及其扩展模型对沪深300股指期货的波动率预测能力最弱.     

基于随机波动模型的VaR的计算

简单介绍了VaR的含义及计算方法,指出推测市场因子的波动情况时计算VaR的关键。首次将随机波动SV模型应用于VaR的计算,说明了基于SV模型下的VaR之更具有动态性和准确性。做实验分析结果表明,SV模型准确反映了市场因子的波动情形,此时的VaR更贴切的反映了金融市场的风险水平。     

基于Gibbs抽样的随机波动模型族的贝叶斯研究

文章运用Gibbs抽样的MCMC方法对上证综指建立SV-N、SV-MN、Leverage SV三类随机波动模型,并利用DIC准则进行优劣比较分析.实证结果表明,具有杠杆效应的随机波动模型,即Leverage SV模型较其他两类模型能更好地描述上海股市的波动性.     

汉语法律文献中主题句的英译

汉语法律文献中主题句的处理办法可从英汉语言句法入手。处理办法主要有4种,包括由“if”引导的从句、由“when”引导的从句、由“where”引导的从句以及由“who”和“whoever”引导的从句等。     

基于SV模型的中国债券信用价差影响因素研究

针对中国债券市场,选取2005年6月—2010年6月的企业债和国债月度交易情况,对静态利率期限结构SV参数模型利用遗传算法求解,拟合较为精确的企业债和国债的即期利率曲线,据此计算出企业债的信用价差。在对中国AAA级企业债按不同的期限进行回归分析后发现,该等级债券的信用价差曲线形态呈下降趋势,原因可能是中国债券信用评级过高、担保机制存在问题等;对不同期限企业债信用价差的宏观经济影响因素大致相同,如居民消费价格指数、国内生产总值的变化率等,而且这些信用价差序列之间存在显著的相关关系。