基于高频数据的非平稳GARCH(1,1)模型的拟极大指数似然估计

波动率的统计分析一直是金融市场量化分析的重要问题.收益率替代模型能将日内的收益率高频数据嵌入到日间的收益和波动率的模型中,因此可以通过构造合适的收益率替代来改进收益和波动率模型中的参数估计的精度.提高估计精度的直接作用就是改进VaR的预报精度,提高风险管理水平.本文针对非平稳GARCH(1,1)模型,构建新的收益率替代模型—基于高频数据的非平稳GARCH模型.不同于传统的Gauss拟极大似然估计(QMLE),本文对收益率替代模型提出拟极大指数似然估计(QMELE).在残差的二阶矩有限的情形下,建立QMELE的强一致性和渐近正态性.数值模拟的结果显示,基于高频数据的估计QMELE具有更小的均方误差.同时通过实际的金融数据说明,包含更多信息的日内高频数据下的收益率替代模型的估计所对应的VaR估计是有效的.     

并联混合回归模型参数的两步M估计及其渐近性质

本文在文献的基础上,给出残差为AR(P)序列并联混合回归模型参数的一种稳健估计——两步M估计,并证明了估计的相容性与渐近正态性.     

中国黄金期货市场波动特征及模型预测研究

选取上海期货交易所黄金期货价格指数日内10分钟高频收益数据,构造了经调整的已实现极差波动率估计序列,利用6类GARCH模型建模分析,描述了黄金期货价格指数的波动特征.运用多种损失函数比较了GARCH类模型样本外波动率预测精度的优劣,并在此基础上,采用一种渐进正态分布检验法评估了GARCH类模型的预测效果.结果显示,黄金期货已实现极差波动率估计序列具有尖峰厚尾、集聚性、持续性等特征.对于黄金期货市场,ACD-GARCH模型具有相对最好的波动率预测能力.     

NGARCH模型在证券投资风险分析中的应用

应用NGARCH模型在三种分布假设下对上证综合指数进行了V aR风险值估计,并且与GARCH模型和APARCH模型估计结果作比较,通过返回检验,发现NGARCH模型应用于V aR估计是统计有效的,且优于GARCH和APARCH模型.     

基于GARCH模型的中美汇率实证分析

汇率制度改革后,加强人民币汇率风险管理已成为摆在各大经济主体面前的重大课题.基于2010年1月1日至2012年5月10日的美元对人民币日汇率值,利用广义条件异方差自回归(GARCH)模型,对中美汇率日数据进行处理与检验,得到了残差存在异方差性.在此基础上建立了汇率GARCH模型,实证分析表明精确性高.     

相依删失情形下加速失效模型的广义M估计

在生存分析中,加速失效模型(AFT模型)是研究失效时问与协变量之间关系的一类重要模型.在AFT模型框架下,通过在广义M估计的目标函数中使用广义Kaplan-Meier权,本文提出了含相依删失数据的AFT模型回归系数及刻度参数的加权广义M估计.渐近性质方面,得到了广义M估计的相合性和渐近正态性;关于估计量的有限样本性质,通过模拟研究验证了该估计量在有限样本情形下效果良好.     

基于ARMA-GARCH模型的股票价格分析与预测

利用时间序列模型对大众公用(600635)股票价格进行分析与预测.首先,通过对数据的初步分析,建立ARMA拟合模型;然后,通过模型检验发现模型残差中存在条件异方差性,通过加入GARCH项消除条件异方差性,得到了ARMAGARCH拟合模型;最后实证分析结果表明了模型的有效性与准确性.     

基于ARFIMA-GARCH模型的混成检验

本文研究了ARFIMA-GARCH模型的混成检验问题.基于拟极大指数似然估计,给出了平方残差自相关函数的渐近性,进而建立了基于平方残差自相关函数的混成检验统计量.通过实例分析,表明可利用基于平方残差自相关函数的混成检验统计量来诊断检验由拟极大指数似然估计方法拟合的ARFIMA-GARCH模型.     

高维稀疏对角GARCH模型的估计及应用

高维数据背景下,数据维度和噪声的影响使得传统的GARCH模型不再适用.针对对角GARCH(goGARCH)模型的不足,将高维稀疏建模法应用到其估计过程中,提出了高维稀疏对角GARCH(HDS-goGARCH)模型.HDS-goGARCH模型通过引入惩罚函数,将一些不重要变量的回归系数压缩为零,来精简模型,达到降维的目的.通过模拟和实证研究发现:较传统的goGARCH模型而言,HDS-goGARCH模型明显提高了高维协方差阵的估计和预测效率;并且将其应用在投资组合时:在收益一定的情况下,由HDS-goGARCH模型所构造的投资组合的风险更小.     

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.     

中国股票市场星期效应的实证分析--主成份分析

本文利用主成份分析的方法,构造代表中国股市日收益率波动的第一主成份序列,通过对这一序列的残差进行自相关性与异方差性检验,选用(A(2)-A(1))～GARCH模型,分析中国股票市场"星期效应"的存在性与特征.     

GARCH(1,1)模型的稳健估计比较及应用

首先阐述了GARCH(1,1)模型稳健估计的构造方法,然后在模型有无异常值扩散效应约束和异常值比例不同的情况下,比较了传统QMLE估计和多种稳健M估计的表现,结果表明:在数据无异常值下,QMLE估计较优;随着异常值比例增加,稳健Andrew估计表现更好;模型施加异常值扩散效应约束对估计有一定改善但不显著.最后选取波动程度不同的两个阶段沪深300指数的收益率,用模型拟合进行了实例比较,在波动程度较大时,Andrew估计效果较优,在波动相对平稳时,LAD估计较优.     

双截尾Tobit模型中的随机加权逼近方法

本文研究双截尾删失回归模型中参数的随机加权估计(RWE),获得了RWE的统计渐近性质,如相合性和渐近分布.本文证明了RWE在给定样本下的条件渐近分布与参数的最小绝对偏差(LAD)估计的渐近分布是一样的,则可以利用RWE的条件分布去逼近回归参数的LAD估计的分布,从而避免冗余参数的估计,如误差项的密度函数.另外,本文也提出了一个M检验统计量和随机加权M检验统计量(RWM)来检验参数的线性假设问题,建立了该检验的统计性质.数值模拟和实际数据分析结果表明所提方法是可行的.     

带厚尾噪声的TGARCH模型的估计及检验:一个统一的框架

本文基于伪最大似然方法和t-标准化二次抽样(percentile-t subsample)bootstrap方法,研究了厚尾TGARCH(1,1)(threshold generalized autoregressive conditional heteroskedasticity(1,1))模型的估计和检验问题.此处,厚尾的含义是,TGARCH(1,1)模型噪声平方的分布位于指数为κ∈(1,2)的稳定分布的吸引场,即噪声不存在4阶矩.本文首先证明了,无论厚尾TGARCH(1,1)模型平稳与否,在一定正则性条件下,其ARCH(autoregressive conditional heteroskedasticity)和GARCH(generalized autoregressive conditional heteroskedasticity)系数的伪最大似然估计(QMLE)均具有相合性,其渐近分布位于指数为κ∈(1,2)的稳定分布的吸引场.然而,该模型位置参数的QMLE只有在平稳情形下才具有相合性.其次,基于上述渐近结果,本文结合t-标准化二次抽样bootstrap方法,给出了检验厚尾TGARCH(1,1)模型严平稳性和对称性的方法,克服了因QMLE的收敛速度和渐近分布依赖于未知尾指数而无法进行统计推断的困难,且该方法无论模型平稳与否均适用.最后,通过Monte Carlo随机试验考察了估计和检验方法的有限样本表现,并且基于本文的估计及检验方法对中国5年期国债期货收益率进行了实证分析.     

变系数ARCH-M模型的ARCH效应检验

本文考虑变系数ARCH—M模型,构造了非参数部分和参数部分的截面似然估计。基于估计的渐近性质,构造了Wald检验统计量来检验模型是否具有条件异方差性。数值模拟结果表明,所构造的估计和Wald统计量具有良好的有限样本性质。     

部分函数型线性空间自回归模型的假设检验

本文提出了部分函数型线性空间自回归模型的空间效应以及参数效应的假设检验问题.首先利用函数型主成分分析方法估计斜率函数,利用广义矩估计方法估计参数.然后利用得到的相合估计,在原假设和备择假设下,构造了基于残差平方和的检验统计量,同时给出了此检验统计量的渐近性质.模拟结果表明在有限样本下,检验统计量具有良好表现.最后将部分函数型线性空间自回归模型的检验应用到一个关于经济增长的数据案例中,说明所提出的检验统计量的应用表现.     

向量GARCH族模型计算中国金融市场投资组合风险价值(VaR)的比较研究与评述

对由上证综合指数、深证成分指数、上证基金指数、上证国债指数计算的日自然对数收益率组成的数据矩阵,分别建立了残差服从正态分布、t分布的向量ARCH、向量GARCH、纯对角GARCH、BEKK、常条件相关GARCH、主成分GARCH和EWMA模型,基于这些模型,计算了风险价值(VaR),进而通过比较计算结果,得出BEKK—t模型测算中国金融市场投资组合的风险价值(VaR)效果最好等的结论.     

相依数据部分线性模型的M估计的收敛速度

讨论了相依数据部分线性模型的M估计的收敛速度问题,在一定条件下,证明了参数分量的M估计具有渐进正态性,非参量分量的回归B样条M估计达到非参数回归的最优全局收敛速度,这里的理论结果包括最小一乘估计、最小二乘估计、Huber M估计及L_p模估计作为特例.     

基于M估计的指数相关非线性混合效应模型的齐性检验(英文)

方差和相关系数的齐性是纵向数据分析中常用假设之一,然而,这些假设未必合适.本文主要研究的是具有指数相关结构的纵向数据非线性混合效应模型,首先将Huber函数引入模型的对数似然函数中,利用Fisher得分迭代法得到模型参数的稳健估计(M估计),然后基于M估计对模型的方差和相关系数的齐性进行了Score检验,并给出了检验统计量的Monte-Carlo模拟结果.最后用一个实例说明了本文的方法.     

Granger因果检验的非线性进展及应用研究

Granger因果检验是计量经济学的重要组成部分,也是现代经济、金融学分析的重要工具,近年来Granger因果检验在非线性检验方向有了较大进展。本文在线性Granger因果检验的基础上,阐述了Granger因果检验的非线性进展,重点总结了针对一阶矩的基于回归模型、非参函数和信息理论的三大类非线性方法以及针对二阶矩的基于残差交叉相关系数和多元条件方差模型下的两大类非线性方法,讨论了不同非线性Granger方法中数据要求、核心模型、建模关键以及模型优缺点,提出了Granger因果检验"线性-非线性"的整体框架和研究范式.通过模型分析和比较,本文可为因果检验的非线性理论和模型研究提供参考,并对因果检验在经济和金融领域的更广泛应用提供支持。