驴友如何完善自身保障

骆先生今年31岁,是一位资深驴友,最大的业余爱好是自驾游或背包游。目前他在中型国企科研部门工作,月薪1.5万元。按单位目前规定,年底有双薪,单位社保齐全,有五险一金,暂时没有购买商业保险。骆先生每年工资收入为19.5万元,现有定期存款35万元,中级城市商     

随机波动模型的沪深股市比较研究

金融市场的风险和波动性一直是现代金融学研究的主题。金融风险具有时变性,金融波动具有持续性。介绍了刻画波动特性的随机波动模型及其估计方法。为了帮助投资者和政府监管机构理解沪深股市的风险特性,利用随机波动模型对上海股市和深圳股市的波动特性进行建模和比较分析,结果发现,上海股市比深圳股市的风险高,波动的持续性低;分析了产生这种现象的原因,并提出了若干建议。     

Copula-FITSGARCH模型及其在中国资本市场的应用研究

本文首先构建了Copula-FITSGARCH模型;然后运用此模型对中国资本市场进行了实证研究,揭示了中国资本市场存在的波动规律及沪市和深市之间存在的联动规律;最后,运用这一模型在中国资本市场风险价值领域进行了VaR识别的实证研究。     

上海股市“日历效应”的高频估计与检验

在高频数据的基础上,利用弹性傅立叶形式回归技术,对上海股市的“日历效应”进行了定量研究,发现上海股市收益率的波动呈现日内单“U”型走势;对上海股市冬夏两季波动水平和模式的异同性进行了检验,发现在100的显著水平下它们是相同的。     

上海股市微观结构的超高频数据分析

运用上海股市个股及指数的超高频数据,通过建立自回归条件时间间隔模型和超高频广义自回归条件异方差模型,对上海股市的微观结构中有关交易的时间间隔的聚类性以及时间间隔的长短对投资者行为影响进行了研究。结果表明,上海股市交易的时间间隔具有很强的聚类性,较长的交易时间间隔表明市场上没有新的信息。     

高频金融时间序列研究：回顾与展望

高频金融时间序列的分析与建模是金融计量学的一个全新的研究领域。论述了迄今国际相关文献中几乎所有关于高频金融时间序列的理论和实证研究成果:高频时间序列的模型化方法、日历效应、"已实现"波动和ACD模型,指出了研究中存在的问题,展望了高频时间序列的研究趋势。     

SV类模型体系探讨

系统总结了随机波动模型(简称SV类模型)的研究动态,包括连续时间SV模型与离散时间SV模型,并对离散时间模型的分类,以及与连续时间SV模型之间的关系进行了阐述,提出了SV模型今后的研究发展方向,为SV模型的进一步研究和实际应用提供参考和借鉴。