极值风险E—VaR及深圳成指实证研究

由于极端事件及政策性调整，中国股市出现了剧烈波动。鉴于当前各种VaR模型在较高置信水平时(≥0．99)会高估或低估VaR值，本文提出把E—VaR作为一种辅助的VaR度量方法．对新兴的中国股票市场进行风险调控与度量。通过POT方法建模与Boostrap模拟参数置信区间检验，深圳成指的实证结果表明，在极端市场条件下，E—VaR是令人满意的。     

二项分布下基于鞍点逼近的总体成数置信区间的构造

面对总体成数置信区间的估计问题,可以采用二项分布下基于鞍点逼近的方法来构造总体成数的置信区间,这种方法为总体成数的区间估计提供了一种新的途径,将其和传统的区间估计方法比较,即正态近似法和枢轴量法进行比较。蒙特卡洛模拟和实例分析的结果为:在几种不同的置信区间构造方法中,小样本情况下,鞍点逼近方法构造的总体成数的置信区间长度相对较短,覆盖率最接近名义水平;大样本下,鞍点逼近方法整体表现最优。因此,可以得到鞍点逼近法对总体成数置信区间的估计较为精确,尤其是小样本情况下更为适用的结论。     

伽玛分布形状参数的最短置信区间

伽玛分布中形状参数的最短置信区间估计是一个条件极值问题,它能转化成一个方程组可用数值方法迭代求解。文章根据国家标准GB80557-2009给出了伽玛形状参数最短置信区间估计,并通过实例分析说明了最优置信区间的有效性。     

基于贝叶斯的Bootstrap置信区间

在许多领域中,Bootstrap成为一种数据处理的有效方法。很多情况下,模型中感兴趣的参数的置信区间难以构建,为了解决这一问题,文章提出了一个新的贝叶斯Bootstrap置信区间的估计量,并做了蒙特卡洛模拟比较,结果比经典区间估计方法和经典Bootstrap方法更优,并进行了实例分析。     

关于参数的最短置信区间的数值计算

文章研究了在总体均值未知时,σ2及σ在置信水平为0.90和0.95下的最短置信区间,并对通常方法和本文所用方法得到的置信区问进行了对比分析.在一定置信水平下,参数最短置信区间的求解归结为一种非线性规划问题,并用运筹学的优化方法证明了这种分布的最短置信区间所应满足的条件.又给出了参数在置信水平为0.90和0.95下的最短置信区间.通过计算比较,得出结论:在小样本的情况下,用文章所求的置信区间作为未知参数的区间估计将会使估计精度得到显著的提高.     

一种简单有效的二项分布比例参数似然比置信区间的求法

对二项分布比例参数p的似然比置信区间,提出一种简便求解方法。在平均覆盖率、平均区间长度及区间长度的95%置信区间准则下与WScore、Plus4、Jeffreys置信区间进行模拟比较。试验表明,在二项分布b(n,p)的参数n≥20且p∈(0.1,0.9)时,该方法获取的似然比置信区间性能优良。当点估计p值不是接近于0或1且n≥20时,推荐使用本方法获取p的置信区间。     

极值理论高频VaR区间估计模型的构建

为了对在险值的估计精度进行度量,更为精确和有效地衡量极值VaR（value at risk）的估计风险,基于广义极值理论构建了极值VaR的区间估计模型,并进一步利用高频数据重点考察了不同置信水平和不同样本容量分块下的极值VaR区间估计结果的精度和模型的有效性。结果表明,极值VaR的动态区间估计模型与参数法和非参数法区间估计模型相比,不仅能够更为有效地捕获极端条件下收益率时间序列的动态特征,而且具有很好的估计精度,VaR估计风险的精确度更高。     

不重复抽样下总体比例的估计

文章研究了不重复抽样下总体比例的三种置信区间的范围概率.运算结果显示,目前各类有关抽样技术文献中普遍介绍的置信区间及其连续修正区间都不够理想.文章推荐了一种新的置信区间,它的范围概率比较集中分布在置信水平附近,最坏情形的范围概率与置信水平相差0.1左右,远胜于前面两个常见置信区间.     

生产价格指数对宏观经济预警与实证

为更好地预判经济形式,研究探讨地方生产价格指数对国内生产总值的预警作用,从而为政府掌控宏观经济形势并采取相应措施提供依据.文章选取四川省作为实证研究对象,利用自回归滑动平均模型探讨四川省生产价格指数与四川省国内生产总值之间的关系,再利用K-Means聚类算法将四川省国内生产总值数据聚类为三个类别,并将每个类别对应的生产价格指数数据进行置信区间分析,构建相应的预警模型,确定预警阈值范围.     

负二项分布参数的区间估计

文章研究了负二项分布的成功概率的区间估计,给出了成功概率的精确置信区间、不依赖于大样本的近似置信区间以及依赖于大样本的近似置信区间.