组合投资β调整与效用最大化的套期比的选择

为了针对市场风险对风险资产的组合投资进行套期保值，一般认为要选择将组合投资多头和期货合同空头结合起来的头寸方差最小化的套期保值比率，也就是要选择使某一特定函数的期望效用最大化的套期保值比率。但是本认为，由于种种原因，人们更倾向于选择对简单风险最小头寸的套期保值比率。     

医疗保险索赔数据的广义Pareto分布拟合

How to choose an optimal threshold is a key problemin the generalized Pareto distribution (GPD) model.This paper attains the exactthreshold by testing for GPD,and shows that GPD model allows the actuary to easily estimate high quantiles and the probable maximum loss from the medical insurance claims data.     

基于自适应混沌控制的外汇干预有效性研究

中央银行外汇干预的有效性一直是金融领域研究和争论的热点问题,并且至今尚未达成一致的结论,寻找科学的理论与方法对其做进一步的探讨具有重要意义。针对该问题提出一种新的解决方案,即在扩展Dorn-busch汇率模型基础上,运用自适应混沌控制方法指导外汇干预策略,试图通过检验干预是否能够控制汇率时间序列的混沌行为并最终达到稳定汇率的目的,来论证外汇干预的有效性。仿真结果表明,通过自适应地寻找合理的干预尺度,外汇干预行为最终能够成功地将汇率稳定在系统均衡水平上。研究成果不但为外汇干预有效性给出了理论支持,还为中央银行外汇干预策略的制定提供了参考。     

基于随机矩阵理论的股市网络拓扑性质研究

本文运用随机矩阵理论(RMT)和相关系数动态演化模型建立全球股指二次“去噪”相关系数矩阵,并采用阀值法构建全球股市网络,进而分析该网络拓扑结构特性和解释风险在网络中的传染效应。研究发现,全球股市网络呈现出“小世界”效应;在θ=0.1数量水平下,全球股市网络具有较强的鲁棒性。同时,英国和荷兰的股票市场风险传染对网络整体的冲击较大;股市网络中各个股市间的风险传染路径与相关国家经济实力相关联,体现出较强的同配性。     

关于具有状态变量的HJM模型的实证分析

采用能有效地将期限结构数据中的时间序列和截面信息结合起来的成组数据方法 ,并借助于 Kalman过滤器通地假性最大可能性对模型的系数进行估值并提炼出隐含的状态变量     

随机利率下的增额寿险模型研究

在实际的保险精算中,保单保险金现值函数的期望就是该种保单的纯保费,而方差常用来度量该种保单的风险.对随机利率采用W iener过程建模,得到了增额寿险保险金现值函数的期望和方差.     

关于货币市场结构转换利率期限结构的实证研究

基本的利率期限结构模型均未能将结构转换效应考虑进来,因此为了探讨结构转换架构下利率期限结构模型的特性,本文在中国货币市场利率数据的基础上对基本利率期限结构模型和结构转换利率期限结构模型进行了比较研究,结果发现中国货币市场利率动态中存在明显的结构转换效应,且在结构转换效应中其本身也存在着不稳定性,这充分反映了中国货币市场在发展过程中的不成熟特征.     

基于GARCH模型的CHIBOR行为实证分析

本文通过建立一个GARCH(1,1)模型对中国银行间同业拆借利率行为进行了实证分析,结果发现模型能很好的刻画一周同业拆借利率的行为,这说明我国的同业拆借利率具有波动性聚类的特点,存在很强的GARCH现象.     

人民币短期利率行为研究方法的一个改进——双指数Jump-GARCH-Vasicek模型的构建与应用

受货币政策调控频率提升及大型新股申购等因素的影响,近年来人民币短期利率表现出明显的跳跃行为。为了更准确地描述利率跳跃行为,本文通过假设跳跃幅度服从双指数分布构建一个能刻画短期利率波动聚类、均值回复和跳跃行为的双指数Jump-GARCH-Vasicek模型。利用人民币短期利率数据,将双指数JumpGARCH-Vasicek模型与Vasicek模型、GARCH-Vasicek模型、正态Jump-Vasicek模型、双指数Jump-Vasicek模型、正态Jump-GARCH-Vasicek模型进行实证对比分析。研究结果表明,人民币短期利率确实存在GARCH效应、均值回复和跳跃行为,且双指数Jump-GARCH-Vasicek模型较其它模型能更好地刻画人民币短期利率的跳跃行为。     

基于模糊粗糙集挖掘方法的证券价格预测研究

为了能更好地对证券市场价格进行合理预测，利用模糊粗糙集以及数据挖掘技术对证券市场中的股票价格在给定时问内进行预测。首先利用模糊集和粗糙集方法将股票价格进行预分类，并按时间属性进行分组，而后通过给出的模糊相似关系下的模糊粗糙集计算每组的真值，通过数据挖掘方法获得候选属性，最终得到相应时间段内的有用规则，根据所得规则预测某一时间段内股票价格的变化趋势。测试结果表踢，该方法能获得较高的准确率，证明其有效性较好。