VALUE-AT-RISK的核估计理论

如何根据历史数据估计Value-at-Risk（VaR）;是风险分析与管理中一个重要的基本问题.木文基于非参数核估计方法,通过拟合实际数据过程的分布,构造了VaR的估计.在合适的相依数据条件下,证明了该估计量的渐近正态性,并给出了渐近方差的估计.由此表明:本文所构造的估计量不仅比参数模型具有更广泛的适应性,而且如同参数模型具有n~（-1/2）的收敛速度.本文假设的数据过程避免使用混合性,可很好地适用于金融管理中广泛应用的ARMA与GARCH模型族及非线性模型.     

关于双重时序AR-MA模型的相关结构及与ARMA模型的比较

本文在文［４］的基础上讨论了双重时序ＡＲ（１）－ＭＡ（ｑ）模型的相关结构，在不假定白噪声序列为正态的情况下，证明了安鸿志［２］关于模型的相关结构的猜想是正确的，具体地构造了ＡＲ（１）－ＭＡ（３）模型的相关结构，并与ＡＲＭＡ模型进行了初步的比较，给出了一些抛砖引玉的讨论．     

双重时序AR—MA模型的高价平稳性

本文讨论双重时序AR－MA模型的高价（4阶，8阶及一般2m阶）平稳解存在的充分条件，这些结论对建立模型参数的矩估计及讨论估计量的渐近性质都是必不可少的．     

双重时序模型矩估计的渐近性：1.样本自协方差（自相关）函数

双重时序模型自提出以来，特别是关于模型的概率性质（如平很快稳性，遍历性）已有许多讨论，但统计推断方面的文章还很少。作为［９，１０］工作的继续，本文及后续文章将讨论矩估计及其大样本性质。首先在本文中，基本的矩估计量（样本自协方差函数及样本自相关函数）的渐近性质对ＡＲ（１）－ＭＡ（ｑ）模型得到讨论，证明了其渐近正态，并 强相合的收敛速度。     

双重时序模型的高阶矩结构

为建立双重时序AR-MA模型的矩估计，除了需要模型平稳解序列的二阶矩结构[10]外，还需要建立平稳解序列的高阶矩结构[2]．设｛Xt｝为AR（1）－MA（q）模型的4阶平稳解序列．木文部分地证明了。｛X~2_t｝的相关结构为某一ARMA（3q，3q—1）型，这为．建立模型参数的矩估计创造了条件.     

关于双重时序AR－MA模型存在平稳解的充要条件

关于双重时序ＡＲ－ＭＡ模型存在平稳解的充要条件卢祖帝（中国科学院系统科学研究所，北京１０００８０）ＯＮＴＨＥＮＥＣＥＳＳＡＲＹＡＮＤＳＵＦＦＩＣＩＥＮＴＣＯＮＤＩＴＩＯＮＳＦＯＲＴＨＥＥＸＩＳＴＥＮＣＥＯＦＳＴＡＴＩＯＮＡＲＹＳＯＬＵＴＩＯＮＳＴＯＴ...     

金融系统的非线性分析:交易量对股价波动的非线性影响

如何研究股价波动和成交量之间的关系一直是金融系统研究中感兴趣的话题.Lamoureux 和 Lastrapes 认为选择日交易量度量每天流入市场的信息量是合理的,但他们假定交易量对波动率的影响是线性的.提出部分非线性GARCH模型分析交易量对股票市场波动率的影响,基于GARCH模型局部线性化非参数似然估计方法,对中国证券市场股票价格和交易量数据进行实证研究.结果表明,交易量对股价波动的影响具有显著的非线性性.