股票收益率和新息的尾部估计

利用极值理论来考虑上证综指收益率的尾部.为了选择合理的超越门限,采用平均剩余函数和De-Haan矩估计相结合的方法.在学生t分布和广义误差分布的新患假设下,用GARCH和EGARCH新息的ARMA模型拟合指数收益率,并且使用极值理论的极大似然方法估计模型残差的尾指,估计结果表明收益率的尾指和模型的残差尾指基本一致.     

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.     

金融资产收益率尾概率估计研究

在对金融资产进行投资时,投资者所关注的问题往往是金融资产收益率发生大波动的概率,简称尾概率.本文利用大偏差定理对此概率如何进行估计进行深入研究.将收益率按其尾部的分布特征分成三类,分别对其进行研究,得到三种不同的估计公式.本文对收益率序列存在相关性、收益率是多元随机变量情况下的尾概率估计问题也进行了分析.     

关于股市重尾现象的实证研究

本在比较不同国家的金融市场的指数收益率的分布特征的基础上，就分布的重尾现象进行深入的研究。同时分析了收益率分布的两侧尾部：左侧尾和右侧尾(高损失和高回报)的情况。在验证重尾这个定性结论的基础上，具体量化重尾发生在分布中的位置。最后通过重尾情况比较了不同国家金融市场的金融风险。最后得出结论：中国股市的重尾现象发生在下分位点2．8％以前，所以在估计5％小概率下的高损失不宜采用重尾的参数方法。     

证券市场指数的尖峰厚尾特征与风险量估计

在对DOW,Nasdaq,S&P500和FTSE100等四个证券市场指数进行实证分析基础上,展示了证券市场指数的对数收益率具有尖峰厚尾的分布特征,并利用Logistic分布得到了很好的拟合,同时给出了基于Logistic分布的风险量VaR和CVaR的估计公式,以此计算证券市场指数的对数收益率的风险量VaR和CVaR的估计值.     

基于Zipf律的尾部特征分析及VaR计算

分布的尾部特征分析在许多领域都非常重要，估计和分辨尾部服从幂律特征还是指数特征非常重要。在本文中，我们提出了在分析数据的Zipf幂律的基础上来分辨尾部特征的方法。通过实证分析，我们得出了上证指数收益率的确存在具有尺度不变性的Zipf幂律现象，然后分布的尾部特征就被确定，并得到了尾部指数的一种简单的估计方法，最后对该市场的在险价值（VaR）进行了计算和分析。     

股票收益率尾部相关性的Copula度量及模拟

股票收益率尾部相关性是研究金融市场关联性的重要内容.由于传统的τ、ρ等相关系数是对随机变量的全局度量,不适合用于收益率分布尾部这种局部特征的相关性度量.因此,在引入左尾(右尾)相关系数的基础上,讨论了它们的Copula度量及其相关性质.最后,通过计算机模拟分析了沪、深股指收益率尾部相关性的变化趋势,有效避免了Copula模型的设定困难,并得到了尾部相关性增强、相关不对称等结论.     

对数收益率的偏斜Logistic分布与VaR估计

本文通过直方图和Q-Q图的直观方法展示了上证指数和深证指数的对数收益率具有尖峰厚尾和偏斜的分布特征,利用Shapiro-Wilk正态性检验和Kolmogorov-Smirnov检验等方法检验了对数收益率的分布与正态分布有显著性差异,并以较大的概率水平接受了对数收益率服从偏斜Logistic分布,同时给出了基于偏斜Logistic分布的VaR风险量的估计,结果显示上证指数的风险小于深证指数的风险。     

上证综合指数收益率的统计分析

本就上证综合指数收益率是否服从正态分布给出两种具体检验方法。得出了上证综合指数收益率分布具有尖峰和厚尾的特性，因此实际中指数收益率服从正态分布的假设是不合理的。从而用能反映尖峰厚尾特征的t分布进行拟合。得出上证综合指数收益率符合t3分布。     

基于Copula函数的股指尾部相关性研究——以道琼斯工业指数与恒生指数为例

鉴于两步参数估计法在应用中存在误差大、计算复杂等缺陷,采用基于经验分布的半参数估计与非参数估计法确定相应边缘分布与Copula参数,对突发事件下的道琼斯工业指数与恒生指数之间的尾部相关性进行量化.研究发现ClaytonCopula,Gumbel Copula能够较好地刻画股指收益率序列间的尾部相关关系;道指与恒生指数存在着正的尾部相关且这种相关是非对称性的;在各个置信水平上,下尾损失均较上尾收益高,且下尾相关系数的增长幅度远大于上尾相关系数的增长幅度;极端事件造成的道指收益的剧烈下跌引发了恒生指数收益更强烈的相关反应,其造成的影响远超过两个市场同时上涨时的作用.     

沪深股市收益率的尾部相关函数

尾部相关性是相关性分析中重要的一类,利用度量尾部相关性的指标χ,χ-以及尾部相关函数ρ(θ)来分析尾部相关性,并给出ρ(θ)的一种非参数估计方法.通过这两种方法研究上证综合指数和深证成分指数日收盘指数对数收益率在损失情况下的尾部相关性,结果表明两市指数日对数收益率具有很强的尾部相关性.     

中国股票收益率的稳定分布拟合与检验

本文对上证综指及深证成指的收益率进行了稳定分布拟合,并与正态分布的拟合加以比较分析,结果表明稳定分布能更好的处理股票市场中的“尖峰厚尾”现象。     

沪深股市收益的相关性

以概率作为相关度量指标,分整体相关性和尾部相关性对沪深两市收益进行考察。整体相关性采用概率方法中的变化协调形成的相关性作为度量,结果表明沪深两市收益在整体上具有一定的正相关性。对于尾部相关性,先用t分布分别拟事两市收益底分布,然后用蒙特卡洛模拟确定尾部的最优门限,进而求得尾部相关性,结果显示当市场剧烈波动时两市收益具有正的相关性,且比整体相关性强,尤其在暴跌的时候,两市具有很强的正相关性。     

沪深300指数与沪深股市尾部相关性分析

根据沪深股市非线性的特征,利用Kendall秩相关系数与Copula函数之间的关系,对Copula函数的参数进行估计.选择Gumbel Copula、Clayton Copula和Frank Copula来度量上证综指、深证综指和沪深300指数之间的尾部相关性.实证结果分析,Clayton Copula函数能较好的度量出三个指数之间具有较强的下尾相关性,且进行量化后的相关性能够较好刻画股票市场的变化.     

上证指数收益率分布的拟合

本文旨在讨论上证指数收益率序列的分布特征 ,通过对上证指数 1 997年 5月 2 3日至 2 0 0 1年 7月1 3日 ,总计 1 0 0 0多个交易日的统计分析 ,发现上证指数收益率的分布具有“尖峰、厚尾”的特性 .我们试图用文献 [1 ]给出 Lévy flight来拟合其分布 ,但结果并不理想 .为此我们提出了一种类似 Weibull分布的函数来拟合上证指数收益率分布 ,模拟结果较好 .同时 ,我们按通常的方法对尾部作了截尾处理 ,以更接近实际数据在尾部表现出来的“厚尾”现象     

中国股票市场的分形结构——股票收益长期记忆特征的实证研究

股票市场收益的长期记忆特征对于系统非线性结构的确定以及市场有效性的研究具有重要的意义.针对上海和深圳A股算术加权和流通市值加权市场指数的周收益序列以及上证180指数和深圳成份指数中选取的12只代表性股票的周收益序列,采用重标级差分析(R/S分析)和ARF IM A模型对其进行了实证研究.从统计结果来看,样本序列呈现出尖峰和肥尾等有偏特征,明显不满足正态分布的假设,表明收益序列可能具有长程相关或记忆性.进一步的研究发现,沪深两市A股市场指数收益序列和大多数个股(10只股票)存在明显的长期记忆特征,收益分布表现出持久性.从划分不同时段的分析结果来看,中国股票市场渐进趋于弱势有效.     

我国股市收益的双长记忆性检验——基于VaR估计的ARFIMA-HYGARcH-skt模型

针对股市收益分布的"尖峰肥尾"特征,引入了偏t分布作为新息分布。基于VaR方法,从风险估计的角度,利用ARFIMA(2,d_1,0)-HYGARCH(1,d_2,1)-skt模型对1996年12月17日至2007年7月5日期间的沪深股市收益进行了实证分析.实证结果显示:沪深股市具有显著的双长记忆特征;上海股市的日收益率和波动率的长记忆性均比深圳股市强;ARFIMA(2,d_1,0)- HYGARCH(1,d_2,1)-skt模型对我国股市收益具有较强的风险估计和预测能力。