首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   5篇
  数学   5篇
  2022年   1篇
  2014年   1篇
  2013年   1篇
  2012年   1篇
  2007年   1篇
排序方式: 共有5条查询结果,搜索用时 46 毫秒
1
1.
对我国期货市场波动性的分阶段实证研究   总被引:3,自引:0,他引:3  
波动性是经济和金融研究的热点问题。本文首先采用无条件波动度量方法对我国三大期货市场1997年—2004年的波动性进行了估计,发现第一阶段97年—02年期货价格总体呈下跌趋势,三大市场整体波动性不大,较高的波动性都出现在期货价格下跌时期,较低的波动性都出现在期货价格上涨时期;第二阶段03年—04年三大市场波动性显著提高,总体价格呈上升趋势,较高的波动性都出现在期货价格上涨时期,而较低的波动性都出现在期货价格下跌时期;本文进一步采用条件波动模型对我国三大期货市场两个阶段收益率与波动性的相关关系及波动性的杠杆效应进行了研究,结果表明铜期货收益率与波动性显著相关,大豆期货收益率与波动性不显著相关;我国三大期货市场均存在杠杆效应,并且两个阶段波动性的杠杆效应相反,其中铜期货市场的杠杆效应更显著。  相似文献
2.
由于股指期货持有空头头寸的投资者面临的风险明显高于持有多头头寸的投资者,因此应该对股指期货保证金分多头和空头分别设置.鉴于我国正处于推出金融衍生产品的探索阶段,交易的安全性和稳定性最为关键.本文通过分析研究,结合中金所设置股指期货保证金水平的做法,选取违约概率为0.001时保证金水平,将沪深300股指期货合约的保证金水平设置区间分别确定为:全尾[9.75%,12.48%]、多头[7.53%,8.57%]、空头[9.5%,13.31%].为了减小违约概率,建议中国金融期货交易所将沪深300股指期货的保证金设置水平调整为14%-16%的水平.  相似文献
3.
钱夕元  张超 《经济数学》2012,29(4):47-55
针对EVaR(Expectile-based Value at Risk)风险度量提出了基于GARCH类和SV波动率模型的EVaR风险度量计算方法,即EVaR计算的参数模型方法.并基于模拟学生t分布时间序列数据,给出EVaR样本外预测的失败率检验方法:Kupiec失败率检验和动态分位数(DQ)检验法.与采用CARE(Conditional Autoregressive Expectile)模型的EVaR计算方法进行了对比研究,结果表明基于GARCH类模型和SV模型相对于基于CARE模型有更优的EVaR预测效果.选取2004年1月5日到2009年12月30日的国内外五个股票市场指数数据,针对日对数收益率进行了EVaR风险度量的实证研究,得出在金融危机期间,基于参数模型的EVaR预测要比基于CARE模型的EVaR预测更接近市场实际风险.  相似文献
4.
《数理统计与管理》2014,(5):922-931
多分形波动率MFV(multifractal volatility)是一种最近提出的金融市场波动率测度方法。以中国股票市场最具代表性股价指数(上证综指和深证成指)的代表性波动周期为例,通过运用描述性统计、QQ图和双变量分布散点图等方法,分别考察了非条件收益率、基于MFV的条件收益率和基于GARCH类波动率测度的条件收益率分布特征。研究结果显示,经过MFV标准化后的条件收益率分布较非条件收益率和基于GARCH类波动率测度的条件收益率更接近于正态分布,多分形波动率MFV对中国股票市场波动特征的刻画优于传统的GARCH类模型。  相似文献
5.
GAS模型是一种基于观测的动态模型,理论简单且应用灵活,可以直接估计VaR.将GAS模型和GARCH类模型应用于不同条件下生成的模拟数据和三个时间段的沪深300指数的日对数收益率数据,并比较模型关于VaR的预测效果.结果 表明:在对称的条件分布下,GAS模型容易高估风险且不稳健,其表现不如GARCH类模型;但在条件分布为有偏的时,GAS模型与GARCH类模型的表现相当,部分情况下会优于GARCH类模型,尤其在实证分析中关于序列2和序列3的VaR的估计,GAS模型的预测效果较好.因此,实际应用中,对于具有较明显偏态分布或尖峰分布的数据可以考虑使用GAS模型预测动态VaR.  相似文献
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号