基于纯粹跳跃利维过程的中外股票收益分布特征研究

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。     

基于伽玛与对数正态分布假设下的广义线性模型的比较和应用

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。     

收益管理中非正态无约束估计的EM算法研究

对于收益管理中产品各"预售提前期间隔"的无约束需求,已有的无约束估计研究所采用的EM算法均假设其服从正态分布,这不完全符合收益管理实践中的需求数据特征。本文对收益管理无约束需求分布问题进行了多角度探讨,扩展了原有假设,建立了基于伽玛、威布尔、指数和泊松分布的EM算法,并改进了无失效数据情况下的算法应用。最后,通过数值算例说明了本文提出的基于非正态分布的EM算法简单易行,在结论部分对其相关应用提出了建议。     

中国股票市场收益率分布曲线的实证

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。     

基于随机因子模型的增强型指数基金

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.     

基于稳定分布的PARCH模型

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。     

沪深股市收益分布尾部特征研究

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。     

相依风险条件下的医疗费用预测模型及其应用

在医疗费用的预测中,通常假设门诊费用与住院费用相互独立,事实上它们之间往往存在一定的相依关系。它们的相依性可以通过Copula函数来描述。在已知医疗费用发生的条件下,假设门诊费用和住院费用分别服从伽玛分布、逆高斯分布、对数正态分布和GB2分布,可以建立门诊费用与住院费用相互依赖的Copula回归模型。本文将此模型应用于一组实际的医疗费用数据,结果表明,考虑相依关系的回归模型要优于独立假设下的医疗费用预测模型。     

基于Gibbs抽样算法的贝叶斯动态面板数据模型分析

针对现有动态面板数据分析中存在偶发参数和没有考虑模型参数的不确定性风险问题,提出了基于Gibbs抽样算法的贝叶斯随机系数动态面板数据模型.假设初始值服从平稳分布,自回归系数服从Logit正态分布的条件下,设计了Markov链Monte Carlo数值计算程序,得到了模型参数的贝叶斯估计值.实证研究结果表明:基于Gibb...     

基于Skewed-t分布的FIGARCH模型与VaR的度量

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.     

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.     

基于EGB2分布族的GAS-EGARCH模型与VaR预测

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。     

基于推广多因子模型的资产动态配置研究——以上证A股为例

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.     

股票投资组合的实证研究

股票的收益率的实际分布有尖峰厚尾有偏的特性,而传统的正态分布不能很好地拟合这一特性。对股票进行组合投资是现代投资的趋势。本文基于非对称Laplace分布来研究股票投资组合。实证分析表明,非对称Laplace分布比正态分布,对称Laplace分布能更好地拟合组合资产的收益分布率。     

基于非参数分布的沪深股市VaR测度

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.     

Estimating value at risk with semiparametric support vector quantile regression

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.     

Kumaraswamy Binomial分布

在Binomial模型中考虑over-dispersion时,每一个独立事件成功的概率通常被视为一个连续随机变量.在本文中,我们提出了成功概率服从Kumaraswamy分布的混合Binomial模型.讨论了这个模型的随机序和相依性;并用数据来拟合这些模型,数值计算结果表明在拟合某些数据时KB模型比BB模型拟合效果更好.     

基于Expectile和Realized GARCH模型的波动率预测

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。