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。     

基于分散型和扩散型随机序对几种寿命分布类的刻画

本文基于分散型和(或)扩散型随机序，利用随机变量的剩余寿命给出了寿命分布类ILR，IFR，DMRL和IFR(2)及其对偶类的刻画．作为主要结果的一个应用，用k／n-系统的剩余寿命对IFR和DMRLS及其对偶类进行了刻画．这些结果拓宽和加强了文献中已有的结果．     

随机脉冲微分系统指数稳定性

该文首先给出了具有随机脉冲时刻影响的非线性微分系统 模型，然后得到了该模型零解的p阶矩指数稳定和几乎必然指数稳定的充分条件，在所得结果中不要求dV(t,x(t)) /dt定负．最后，给出一个例子说明所得结果的应用．     

沪深股市大盘指数收益率分布尾部的实证研究

通过H ill估计的改进方法对上证综合指数和深圳成分指数的收益率分布的尾部指数进行了参数估计,用χ2检验验证了指数的稳定性及其置信区间.在此基础上提出用尾部指数估计尾概率,达到风险控制的目的.实证研究表明,沪深大盘指数收益率分布具有肥尾的特征,但并不服从无限方差分布.     

度量尾部风险的剩余熵模型

本文研究了尾部风险的度量问题.首先从信息熵的角度给出累积剩余熵模型和其计算方法,并将该模型与标准差、VaR等常见尾部风险度量方法比较.结果证明该模型计算简单;不需要假设先验分布形式,而只依赖经验数据.     

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.     

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.     

具有AR(1)误差的线性随机效应模型中方差齐性和自相关性的检验

在回归分析中，方差齐性是一个很基本的假设．本文对具有AR(1)误差的线性随机效应模型，研究了方差齐性和自相关性的检验问题．我们分别讨论了随机误差异方差、随机效应异方差、多元异方差以及自相关性的检验问题，并用score检验方法给出了三种方差齐性和自相关性的检验统计量．随机模拟的结果表明，当样本容量较大时，检验的功效较好．本文还给出一个数值例子说明检验方法的实用性．另外，模型的结果也可以推广到非线性情形．     

基于Copula函数和非参数估计的尾部相关性

给出基于Copula函数的尾部相关性的定义和性质,采用非参数方法估计尾部相关系数.结合数据得出上证指数和深圳指数的尾部相关系数和对应图形比较,可知两种股票的上尾比下尾相关性强.此相关系数反映了上证指数与深圳指数在极端值处同时小于或同时大于某个数值的概率大小.     

M/T-SPH/1排队平稳指标分布的尾部衰减特征

讨论M/T-SPH/1排队平稳队长分布和平稳逗留时间分布的尾部衰减特征,其中T-SPH表示可数状态吸收生灭过程吸收时间的分布。在分布PGF和LST的基础上,给出了两个平稳分布衰减规律的完整分析.结果表明,当参数取不同值时,平稳队长与平稳逗留时间的尾部具有三种不同类型的衰减特征.     

Serial dependence in ARCH-models as measured by tail dependence coefficients

Serial dependence in non-linear time series cannot always be reliably quantified using linear autocorrelation. We do a detailed study of serial dependence in an ARCH(1) process from the point of view of the lower tail dependence coefficient and certain generalisations thereof. Our results are relevant for estimating probabilities of consecutive value-at-risk violations in GARCH models.      

Real time estimation of stochastic volatility processes

Autoregressive conditional heteroscedastic (ARCH) processes and their extensions known as generalized ARCH (GARCH) processes are widely accepted for modelling financial time series, in particular stochastic volatility processes. The off-line estimation of ARCH and GARCH processes have been analyzed under a variety of conditions in the literature. The main contribution of this paper is a rigorous convergence analysis of a recursive estimation method for GARCH processes with restricted stability margin under reasonable technical conditions. The main tool in the convergence analysis is an appropriate modification of the theory of recursive estimation within a Markovian framework developed in Benveniste et al. (Adaptive Algorithms and Stochastic Approximations. Springer, Berlin, 1990). The basic elements of this theory will also be summarized. The viability of the method will be demonstrated by experimental results both for simulated and real data.     

Tail dependence of random variables from ARCH and heavy-tailed bilinear models

Discussed in this paper is the dependent structure in the tails of distributions of random variables from some heavy-tailed stationary nonlinear time series. One class of models discussed is the first-order autoregressive conditional heteroscedastic (ARCH) process introduced by Engle (1982). The other class is the simple first-order bilinear models driven by heavy-tailed innovations. We give some explicit formulas for the asymptotic values of conditional probabilities used for measuring the tail dependence between two random variables from these models. Our results have significant meanings in finance.     

基于GARCH模型的人民币汇率波动规律研究

自人民币汇率体制改革以来,汇率波动日趋复杂.鉴于GARCH模型能够较好地拟合汇率时间序列的尖峰厚尾特征,本文采集了2003～2007年之间的1069个美元兑人民币汇率日值,应用GARCH模型进行分析,证实了我国外汇市场确实存在ARCH效应,且GARCH模型能够较好地拟合汇改后的人民币汇率数据.     

ARCH类模型研究及其在沪市A股中的应用

本文主要介绍ARCH(AutoregressiveConditionalHeteroskedasticity)模型、GARCH模型和E GARCH模型 ,分析这些模型的特点和适用范围 ,并在模型中引入t分布取代正态分布假设 ,最后利用这些模型对上证指数进行了实证分析。     

一种刻划浮动汇率的模型:增量一分数高斯噪声(I-FGN)过程

为了描述汇率变动之间的远程相关行为,本文提出了刻划浮动汇率的一种新模型并给出了具体的建模方法,实验结果说明该模型是有意义的．     

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.     

Two stochastic dominance criteria based on tail comparisons

Actuarial risks and financial asset returns are typically heavy tailed. In this paper, we introduce 2 stochastic dominance criteria, called the right‐tail order and the left‐tail order, to compare these variables stochastically. The criteria are based on comparisons of expected utilities, for 2 classes of utility functions that give more weight to the right or the left tail (depending on the context) of the distributions. We study their properties, applications, and connections with other classical criteria, including the increasing convex and the second‐order stochastic dominance. Finally, we rank some parametric families of distributions and provide empirical evidence of the new stochastic dominance criteria with an example using real data.     

Garch(1,1) process can have arbitrarily heavy power tails

We study the structure of solutions of Kesten’s equation (1.5), where a, b ⩾ 0 are the coefficients of the GARCH(1,1) process in (1.1). We prove that, for any b ∈ (0, 1) and any κ > 0 small enough, there exists a stationary GARCH(1,1) process with tail index κ. The research was partially supported by the bilateral France-Lithuania scientific project Gilibert and the Lithuanian State Science and Studies Foundation, grant no. T-15/07. Published in Lietuvos Matematikos Rinkinys, Vol. 47, No. 2, pp. 196–210, April–June, 2007.     

基于MRS-GARCH模型的中国股市波动率估计与预测

基于误差项服从正态分布、t分布、广义误差分布的GARCH族模型和MRS-GARCH模型对中国股市波动的结构变化特征进行了实证研究。结果表明,中国股市存在显著的高、低波动状态,两种波动状态的ARCH和GARCH项系数存在较大差异;高、低波动状态均具有较长的持续时间,低波动状态的持续时间长于高波动状态的持续时间,且中国股市更易于从高波动状态转向低波动状态;MRS-GARCH模型预测效果总体上优于GARCH族模型,基于正态分布的MRS-GARCH模型短期预测效果较好。