Ornstein-Uhlenbeck随机波动率模型的参数估计

本文研究了波动率过程为Ornstein-Uhlenbeck过程,且波动率过程与股票价格过程的相关系数ρ可为[0,1]中的任一数的随机波动率模型参数估计.给出了OU过程的统计性质,并利用鞅极限理论给出模型中参数的估计式,证明估计量是具有渐进正态性从而是相合的.     

人民币短期利率行为研究方法的一个改进——双指数Jump-GARCH-Vasicek模型的构建与应用

受货币政策调控频率提升及大型新股申购等因素的影响,近年来人民币短期利率表现出明显的跳跃行为。为了更准确地描述利率跳跃行为,本文通过假设跳跃幅度服从双指数分布构建一个能刻画短期利率波动聚类、均值回复和跳跃行为的双指数Jump-GARCH-Vasicek模型。利用人民币短期利率数据,将双指数Jump-GARCH-Vasicek模型与Vasicek模型、GARCH-Vasicek模型、正态Jump-Vasicek模型、双指数Jump-Vasicek模型、正态Jump-GARCH-Vasicek模型进行实证对比分析。研究结果表明,人民币短期利率确实存在GARCH效应、均值回复和跳跃行为,且双指数Jump-GARCH-Vasicek模型较其它模型能更好地刻画人民币短期利率的跳跃行为。     

带复合泊松跳扩散模型的点波动率门限估计量的渐近性质

本文研究了带复合泊松跳扩散模型的点波动率门限估计量的渐近性质.利用门限方法和核函数技术,构造并证明了此模型点波动率估计量的渐近正态性.同时,应用Grtner-Ellis定理及大偏差中的Delta方法,得到了估计量的中偏差原理.     

随机删失下位置-刻度模型中的强相合与渐近正态估计

在删失分布未知的情形下,证明了所定义的位置─刻度模型中参数估计的强相合性与渐近正态性．在证明估计的渐近正态性时,使用了点过程鞅方法．     

中证开放式基金指数波动的非对称性研究

基于开放式基金指数周收益率时间序列的非正态性和厚尾特性,以中证开放式基金指数为例,运用EGARCH模型进行研究,系统地分析我国不同类型的开放式基金指数的波动是否存在非对称性.实证分析结果并没有得出"利空"的作用大于"利好"的作用的非对称性的结论,从中证开放式基金指数的信息影响曲线可以看出我国基金经理们追涨比杀跌更疯狂.     

成组复发事件下的一般半参数加性乘积比率回归模型

本文在成组复发事件下研究了一个一般半参数的加性乘积比率模型,利用估计方程的理论,给出了该模型中未知参数和基本比率函数的估计,同时利用现代经验过程理论证明了所得估计的相合性和渐近正态性.     

中证开放式基金指数波动的非对称性研究北大核心

基于开放式基金指数周收益率时间序列的非正态性和厚尾特性,以中证开放式基金指数为例,运用EGARCH模型进行研究,系统地分析我国不同类型的开放式基金指数的波动是否存在非对称性.实证分析结果并没有得出"利空"的作用大于"利好"的作用的非对称性的结论,从中证开放式基金指数的信息影响曲线可以看出我国基金经理们追涨比杀跌更疯狂.     

线性测量误差模型的平均估计

频率模型平均估计近年来受到了较大的关注,但对有测量误差的观测数据尚未见到任何研究.文章主要考虑了线性测量误差模型的平均估计问题,导出了模型平均估计的渐近分布,基于Hjort和Claeskens(2003)的思想构造了一个覆盖真实参数的概率趋于预定水平的置信区间,并证明了该置信区间与基于全模型正态逼近所构造的置信区间的渐近等价性.模拟结果表明当协变量存在测量误差时,模型平均估计能明显增加点估计的效率.     

测量误差模型中方差的一个非负估计及其性质

本文研究了测量误差模型中方差的估计问题.利用非负定的估计阵取其正部的方法,得到了测量误差模型中方差的一个非负估计.这个估计是渐近无偏的,有强相合性和渐近正态性.     

损失厌恶偏好与资产组合选择研究

在不确定性条件下,期望的不可计算性、行动结果比较的局限性以及投资个体选择的非理性使理性假定的选择理论脱离现实,因此重新探讨决策选择准则是必要的.以行为金融理论中不确定性状态下的有限理性与满意准则为依据,引入与满意准则一致且体现损失厌恶偏好的VaR作为风险指标,构建行为资产组合模型,在一种简单新颖的M-V模型的矩阵解法基础上,探寻了正态与部分非正态性假设下VaR-BPT模型的显性最优解或有效前沿,解决了现实中最优投资组合选择的可操作性难题,并在中国股票市场验证了正态性转换方法是处理非正态分布下资产组合选择问题的一种优秀方法.     

基于MCMC模拟的贝叶斯厚尾金融随机波动模型分析

针对现有金融时间序列模型建模方法难以刻画模型参数的渐变性问题,利用贝叶斯分析方法构建贝叶斯厚尾SV模型。首先对反映波动性特征的厚尾金融随机波动模型(SV-T)进行贝叶斯分析,构造了基于Gibbs抽样的MCMC数值计算过程进行仿真分析,并利用DIC准则对SV-N模型和SV-T模型进行优劣比较。研究结果表明:在模拟我国股市的波动性方面,SV-T模型比SV-N模型更优,更能反应我国股市的尖峰厚尾的特性,并且证明了我国股市具有很强的波动持续性。     

多指标面板数据的聚类分析及其应用

多指标面板数据的多元统计分析在国内研究中尚属空白.本文分析了面板数据的数据格式和数字特征,根据聚类分析原理,重新构造了多指标面板数据的距离函数和离差平方和函数,在此基础上,说明了多指标面板数据的聚类分析过程.最后对我国各地区工业企业生产效率进行了聚类实证分析,显示了良好的效果。     

厚尾分布的极值分位数估计与极值风险测度研究

金融数据呈现的厚尾性已达成共识.本文中,我们基于指数回归模型构造了厚尾分布的极值分位数估计,从而得到了VaR的估计公式.作为一个应用,我们得到了上海上证指数和深圳成份指数的VaR的估计值.     

Asymptotic results for renewal risk models with risky investments

We consider a renewal jump–diffusion process, more specifically a renewal insurance risk model with investments in a stock whose price is modeled by a geometric Brownian motion. Using Laplace transforms and regular variation theory, we introduce a transparent and unifying analytic method for investigating the asymptotic behavior of ruin probabilities and related quantities, in models with light- or heavy-tailed jumps, whenever the distribution of the time between jumps has rational Laplace transform.     

双曲分布及其在VaR模型分析中的应用

传统的计算V aR的R iskM etrics方法不能对市场风险分布的“厚尾”现象给出较为满意的刻画和计算方法.本文引入双曲分布及其算法并将双曲分布应用到V aR模型的计算之中,事实上通过对股票市场的实证研究表明,股票市场数据呈厚尾现象,用双曲分布对数据的拟合要比R iskM etrics方法假定的正态分布更符合金融市场数据的实际情况,故本文的结论与方法对金融风险管理和其他金融建模是有价值的.     

极值理论在风险度量中的应用--基于上证180指数

精确度量风险是金融风险管理的关键问题。本引入广义帕雷托分布代替传统的正态分布等，精确描述金融收益的厚尾特征。并将基于广义帕雷托分布的VaR模型和其它模型方法，如GARCH(1，1)、GARCH(1，1)-t、历史模拟法、方差-协方差方法，进行比较分析。实证研究表明，基于广义帕雷托分布的VaR模型比传统的模型方法更适合厚尾分布高分位点的预测，并且其预测结果比较稳定。这使得基于广义帕雷托分布的VaR模型成为VaR度量方法中最稳健的方法之一。     

复合二项过程风险模型的精细大偏差及有限时间破产概率

讨论基于客户到来的复合二项过程风险模型.在该风险模型中,假设索赔额序列是独立同分布的重尾随机变量序列,不同保单发生实际索赔的概率可以不同,则在索赔额服从ERV的条件下,得到了损失过程的精细大偏差;进一步地,得到了有限时间破产概率的Lundberg极限结果.     

双相依结构下离散时间风险模型的破产概率渐近估计及数值模拟

本文研究了具有双相依结构及重尾索赔噪声项的离散时间风险模型的有限时间破产概率.在该模型中,索赔额服从具有独立同分布噪声项的单边线性过程;保险公司的风险投资和无风险投资导致的随机折现因子与单边线性过程的噪声项相依.保险公司单期保费收入是恒定的常数,当单边线性过程的噪声项服从重尾分布时,本文得到离散时间风险模型有限时间破产概率的渐近估计.最后利用蒙特卡罗模拟方法验证所得结果.     

时空模型的局部众数回归

时空数据经常含有奇异点或来自重尾分布,此时基于最小二乘的估计方法效果欠佳,需要更稳健的估计方法.本文提出时空模型的基于局部众数(local modal, LM)的局部线性估计方法.理论和数据分析结果都显示,若数据含有奇异点或来自重尾分布,基于局部众数的局部线性方法比基于最小二乘的局部线性方法有效;若数据无奇异点且来自正态分布,两种方法效率渐近一致.本文采用众数期望最大化(modal expectation-maximization, MEM)算法,并在数据相依情形下得出估计量的渐近正态性.     

重尾分布的尾部指数估计及沪深股市实证分析

重尾分布尾部指数α的估计依赖于样本中所用顺序统计量个数k的选取.本文介绍了估计α时选择k的两类不同的方法:Sum-plot方法和Bootstrap方法,并对Hall提出的Bootstrap方法作了改进,称为M-Bootstrap方法.本文利用上述方法对已知分布进行Monte-Carlo模拟,研究它们的可行性,然后对上海和深圳两市股指数据进行了实证分析.计算结果表明,上海和深圳股指收益率具有重尾性.是右偏态的,右尾厚于左尾.通过几种方法计算的结果比较发现Sum-plot方法和M-Bootstrap方法在估计重尾指数上精确性较高一些,而且不受异常值的影响.