共查询到18条相似文献,搜索用时 328 毫秒
1.
基于纯粹跳跃利维过程的中外股票收益分布特征研究 总被引:1,自引:0,他引:1
本文运用无限可分纯粹跳跃的NIG模型和VG模型对沪深股市股指收益分布特征和国际上其它主要股市股指收益分布特征进行拟合分析。结果表明在拟合收益分布方面NIG模型和VG模型的拟合度远远高出正态分布假设的拟合度,NIG模型和VG模型两者之间拟合收益分布没有明显的优劣;沪深股指收益分布拟合情形和国际上主要股指收益分布拟合情形基本没有差异。 相似文献
2.
本文在假设每次损失金额的变异系数相同,且它们服从伽玛分布或对数正态分布的条件下,讨论了加法模型和乘法模型的参数估计和拟合优度检验,并应用一组实际损失数据对上述模型进行了实证比较。结果表明,对于一组特定的损失数据,对数正态分布假设下的广义线性模型可能优于伽玛分布假设下的广义线性模型。 相似文献
3.
4.
中国股票市场收益率分布曲线的实证 总被引:23,自引:1,他引:22
股票价格行为的随机理论认为市场收益服从正态分布 ,但在现实中这一假设不一定成立 ,市场收益率更多地呈现出偏离正态分布的形式。本文检验中国市场的收益率分布形态。 相似文献
5.
创新性的假设传统的Fama-French三因素模型中的三因素为服从正态分布的随机变量,进而获得了股票收益随机变量的分布信息.采取部分复制的原则建立增强型指数基金随机投资组合优化模型,通过引入投资组合风险概率约束给出增强型指数基金的绝对风险上限,针对增强型指数基金建立基于VaR的超额收益概率约束.引入最买入门槛限制降低增强型指数基金的管理费用,增强其流动性.最后,根据股票收益的概率分布特征,获得基于上述约束的指数基金和增强型指数基金的确定性优化模型,并同时基于上证A股进行了实证分析. 相似文献
6.
本文首先介绍了稳定分布和基于正态分布、稳定分布的PARCH模型,并通过股票指数收益率的稳定化PP图和直方图发现其具有高峰厚尾特征.最后,通过上证指数的VaR计算,得到在金融风险度量中基于稳定分布的PARCH模型比基于正态分布的PARCH模型更加有效。 相似文献
7.
沪深股市收益分布尾部特征研究 总被引:3,自引:1,他引:2
本文运用跳跃扩散模型和极值理论方法对沪深股指收益分布特征进行了研究。跳跃扩散模型定量化地给出沪深股市股票收益分布产生的原因,沪深股市收益分布为具有胖尾的非正态分布,股票收益变动主要是由离散信息作用引起,一般帕累托分布较好地拟合股票收益左尾分布。 相似文献
8.
9.
10.
金融资产收益率序列的波动具有典型的尖峰厚尾和非对称性特征,描述这种特性需以合适的概率分布函数为基础.因此,寻求更好的概率分布函数对风险度量、VaR的计算有着十分重要的意义.有鉴于此引入Skewed-t分布度量VaR,并比较分析了RiskMetrics及FIGARCH类模型度量VaR值的准确程度,本文同时分析了多头头寸和空头头寸情况下的VaR.结果表明,在两种头寸情况下,Skewed-t分布在空头和多头情形对资产厚尾特性以及非对称性的拟合效果均要比正态分布好;在两种头寸中不同的置信水平下,FIAGARCH(CHUNG)模型预测的VaR值改进了使用传统模型的精确性,高估或低估风险的程度较轻. 相似文献
11.
12.
GARCH族模型是刻画资产收益率的常用工具,在风险度量领域具有广泛应用。为了更有效地描述收益率的偏斜厚尾等特征,越来越多学者对GARCH族模型的条件分布形式进行了研究。但是仅对GARCH模型条件分布进行修正是不够的,还需要对模型本身的函数形式进行修正。基于得分函数的时变参数建模思想近年来受到广泛关注,本文借助这一思想对EGARCH模型中对数标准差进行时变波动建模,并利用EGB2分布族作为模型的条件分布,进而建立GAS-EGARCH-EGB2模型。以我国10只中证行业指数为研究对象考察GAS-EGARCH-EGB2模型的风险预测效果,GAS-EGARCH-EGB2模型样本外VaR预测表现普遍优于ACM-EGARCH-EGB2模型。 相似文献
13.
考虑投资者关于市场的观点,并用椭球分布替代正态分布作为资产收益和投资者观点分布导出推广的多因子模型(EMFM).采集2015年1月5日到2018年9月11日上证A股中分列于11个行业共828只股票的日收益率及其相关指标,采用5个系统风险因子,在3种常用风险指标下应用EMFM对该高数据进行动态建模并做资产配置分析.实证结果显示:从回溯期内的收益表现来看,使用自由度为3的多维t分布,一种特殊的椭球分布,即便合并简单的绝对观点的EMFM在SD风险指标下的组合都优于马科维兹组合的情形,同时也优于其使用VaR和CVaR的情形,且所有组合都优于上证指数的情形. 相似文献
14.
15.
陈娟 《数学的实践与认识》2008,38(6):35-40
沪深大盘指数的收益率分布函数并不服从通常人们所认为的正态分布.因此,采用一种新的方法—非参数核密度估计,对沪深股指收益率分布进行拟合.该方法不仅很好地刻画了收益率分布的尖峰和肥尾特征,而且由此建立的VaR模型比一般的基于参数分布的VaR模型更能捕捉市场的风险特征,结论也更加准确. 相似文献
16.
Value at Risk (VaR) has been used as an important tool to measure the market risk under normal market. Usually the VaR of log returns is calculated by assuming a normal distribution. However, log returns are frequently found not normally distributed. This paper proposes the estimation approach of VaR using semiparametric support vector quantile regression (SSVQR) models which are functions of the one-step-ahead volatility forecast and the length of the holding period, and can be used regardless of the distribution. We find that the proposed models perform better overall than the variance-covariance and linear quantile regression approaches for return data on S&P 500, NIKEI 225 and KOSPI 200 indices. 相似文献
17.
18.
Realized GARCH模型是预测波动率的经典模型之一,最小化非对称二次损失函数的Expectile对收益率尾部分布更加敏感,我们在Realized GARCH模型的基础上引入Expectile提出Expectile-Realized GARCH模型。以沪深300指数的高频收益率为例建模分析,对比不同模型下的波动率预测效果,发现Expectile-Realized GARCH模型较Realized GARCH模型对波动率预测能力更好。其中,当风险水平为95%时,对应的Expectile-Realized GARCH波动率预测能力最好。 相似文献