基于二维t分布的条件VaR研究

根据多元t分布的定义及性质,推导出二维t分布随机变量差的条件分布仍服从t分布.在假定股票价格对数与收益率服从二维t分布的基础上,利用该性质,可以得到不同股票价格水平条件下,收益率的一维条件t分布,进而计算出价格条件VaR.利用多元t分布研究价格条件的收益率分布问题,与正态分布相比,较好地刻画了证券收益率分布的尖峰厚尾现象.     

重尾分布下医疗保险保费合理性评估——基于上海市闵行区新农合的实证研究

重尾是医疗费用以及医疗保险损失分布的常见特征之一,本文构建了在重尾分布下,医疗保险经营者科学评估医疗保险保费合理性的模型和方法。当医疗费用面临二阶矩不存在的重尾性下,稳定分布理论中的广义中心极限定理可以取代古典的中心极限定理去评估医疗保险保费的合理性。本文最后用2008年上海市闵行区新型农村合作医疗的住院医疗费用数据进行了实证分析,全面探测了医疗费用的重尾性以及在尾部指标的基础上,估计了闵行区新农合筹资的合理性.     

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.     

金融市场极端日收益数据的广义Pareto分布拟合

本文基于极值理论和方法建立了上证综合指数极端日收益率的广义Pareto模型,并利用所得的模型计算出日收益率的返回水平及其上尾概率。将估计的日收益率模型比较得出,在实施涨跌停板前,日收益率的上尾明显厚于实施涨跌停板后的上尾,说明了实施该制度可以有效的控制股票市场的投机现象,从而降低投资者的收益损失风险。     

重尾随机变量加权和一致尾等价关系成立的条件

已有文献指出在次指数族重尾损失的情形下,独立同分布随机变量加权和的一致尾等价关系成立.文中主要在随机变量独立但不同分布的情况下,得到了上述尾等价关系一致成立时分布函数所应满足的一些条件.     

Marshall-Olkin扩展重尾分布的刻画

利用Marshall-Olkin提出构造分布的方法,以重尾分布F作为基础,提出了Marshall-Olkin扩展重尾分布G,根据常见重尾分布子族的定义及其等价关系,分析了F与G的相关性质,对于重尾分布族,G具有封闭性,尾等价性,同时在连续型分布情形下,讨论了F与G的密度函数之间及风险率函数之间的关系.最后,将Marshall-Olkin扩展重尾分布应用于实际数据中,并在拟合数据方面与原分布进行比较,表明扩展分布要优于原分布.     

股票收益率的次指数分布拟合

股票收益率等金融时间序列具有重尾特征,因而不适于用正态分布来描述,次指数分布族S是一类重尾分布族,能够很好的处理具有偏态、重尾特征的金融时间序列,本文对上证指数的收益率进行了次指数分布拟合,并给出了在险价值(VaR)的估计。     

基于GARCH族模型的沪深300股指VaR度量

本文在修正了沪深300股票指数收益率序列的非平稳性和自身相关性之后,把ARMA模型与GARCH模型、GJR模型、IGARCH模型、FIGARCH模型、FIEGARCH模型、FIAPARCH模型、HYGARCH模型相结合,然后依次假设残差分布服从正态分布、t分布和偏t分布,来描述沪深300股票指数日对数收益率序列的尖峰厚尾性、杠杆效应和长记忆特性,利用上述模型分别计算沪深300股票指数的VaR值.在空头和多头投资者情况下,不同的波动性模型和不同残差分布的VaR预测有效性差距很大.比较得知,在不同的置信水平下,沪深300股票指数收益率序列空头和多头的VaR预测成功概率比较高的模型有HYGARCH和FIEGARCH这两类具有长记忆性的模型.     

深圳成分指数与上海综合指数的稳定分布

本文利用最大似然估计法与特征变换法分别对深圳成分指数(SZSI)与上海综合指数(SHCl)的日收益率分布进行了稳定分布的拟合,并进行了比较,验证了SZSI与SHCI日收益率序列的尖峰厚尾现象。     

重尾分布的尾部指数估计及沪深股市实证分析

重尾分布尾部指数α的估计依赖于样本中所用顺序统计量个数k的选取.本文介绍了估计α时选择k的两类不同的方法:Sum-plot方法和Bootstrap方法,并对Hall提出的Bootstrap方法作了改进,称为M-Bootstrap方法.本文利用上述方法对已知分布进行Monte-Carlo模拟,研究它们的可行性,然后对上海和深圳两市股指数据进行了实证分析.计算结果表明,上海和深圳股指收益率具有重尾性.是右偏态的,右尾厚于左尾.通过几种方法计算的结果比较发现Sum-plot方法和M-Bootstrap方法在估计重尾指数上精确性较高一些,而且不受异常值的影响.     

中国股市收益率分布特征的实证研究

金融数据除了具有尖峰厚尾特性以外,也表现出了尾部概率的非对称性,即偏尾特征。本文采用非对称Lap lace分布对我国沪深股市的样本收益率数据进行了实证分析,研究表明,我国股市的中长期收益率数据存在明显偏尾特征,与Compell的行为金融学解释恰恰相反,这种偏尾特征的具体表现不是左尾比右尾厚,而是右尾比左尾厚,研究还表明深市收益率偏尾特征对时间水平的灵敏度比沪市要高。     

一类重尾风险因子的模拟及其投资高风险值和置信区间的估计

由于金融市场中的日周期或短周期对数回报率的样本数据多数呈现胖尾分布，于是现有的正态或对数正态分布模型都在不同程度上失效，为了准确模拟这种胖尾分布和提高投资风险估计及金融管理，本文引进了一种可根据实际金融市场数据作出调正的蒙特卡洛模拟方法．这个方法可以有效地复制金融产品价格的日周期对数回报率数据的胖尾分布．结合非参数估计方法，利用该模拟方法还得到投资高风险值以及高风险置信区间的准确估计。     

金融危机传染的非线性动力学模型

越来越多的证据表明全球金融市场是高度复杂,广泛联接的非线性动力系统网络,由于系统的非线性和复杂性特征使得金融危机极易通过系统间的耦合作用而发生传染.针对金融危机传染所表现出的非线性动力学特性,本文构建了以传染源国家和受传染国家股票收益率为变量的微分动力学传染模型.利用微分方程定性理论对模型的奇点进行讨论,得出极限环存在的条件及形式,并进而得出金融危机传染的三种情况:轻度传染、可控传染和强烈传染.     

On the effectiveness of scenario generation techniques in single-period portfolio optimization

In single-period portfolio selection problems the expected value of both the risk measure and the portfolio return have to be estimated. Historical data realizations, used as equally probable scenarios, are frequently used to this aim. Several other parametric and non-parametric methods can be applied. When dealing with scenario generation techniques practitioners are mainly concerned on how reliable and effective such methods are when embedded into portfolio selection models. In this paper we survey different techniques to generate scenarios for the rates of return. We also compare the techniques by providing in-sample and out-of-sample analysis of the portfolios obtained by using these techniques to generate the rates of return. Evidence on the computational burden required by the different techniques is also provided. As reference model we use the Worst Conditional Expectation model with transaction costs. Extensive computational results based on different historical data sets from London Stock Exchange Market (FTSE) are presented and some interesting financial conclusions are drawn.     

Procedure of test to compare the tail indices

We propose a test procedure which compares the extreme value indices of two samples with heavy tail distributions. On a theoretical point of view, we adopt the minimax nonparametric point of view. We exhibit the separating rate between the null hypothesis and the alternative of our procedure. Next, we present a data driven test methodology and we evaluate its performance thanks to an extensive simulation study. As a practical real-life application, we compare the risk behaviors of a panel of different financial data.     

沪深股市的相关结构分析与投资组合风险度量——基于ARFIMA-GARCH-Copula模型

金融资产收益率不仅具有尖峰厚尾性、异方差性,还具有长记忆性。基于此,本文建立ARFIMA-GARCH-Copula模型来研究沪深股市的相关结构和等权重投资组合风险值VaR,利用上证指数和深成指数收益率的组合来进行实证研究。首先采用经典R/S分析法检验各个资产收益率的长记忆性,经过分数阶差分后选用GARCH模型建模得到边缘分布。然后选择Copula函数来刻画两资产之间的相关结构,建立联合分布模型。进而采用Monte Carlo方法模拟产生各资产的收益率序列,计算出投资组合的风险值VaR。实证研究表明:沪深股市具有长记忆性,且两者具有对称的尾部相关性;Kupiec检验说明ARFIMA-GARCH-Copula模型较之于GARCH-Copula模型能更准确地度量投资组合风险。     

金融资产收益率尾概率估计研究

在对金融资产进行投资时,投资者所关注的问题往往是金融资产收益率发生大波动的概率,简称尾概率.本文利用大偏差定理对此概率如何进行估计进行深入研究.将收益率按其尾部的分布特征分成三类,分别对其进行研究,得到三种不同的估计公式.本文对收益率序列存在相关性、收益率是多元随机变量情况下的尾概率估计问题也进行了分析.     

Global investing risk: a case study of knowledge assessment via rough sets

This paper presents an application of knowledge discovery via rough sets to a real life case study of global investing risk in 52 countries using 27 indicator variables. The aim is explanation of the classification of the countries according to financial risks assessed by Wall Street Journal international experts and knowledge discovery from data via decision rule mining, rather than prediction; i.e. to capture the explicit or implicit knowledge or policy of international financial experts, rather than to predict the actual classifications. Suggestions are made about the most significant attributes for each risk class and country, as well as the minimal set of decision rules needed. Our results compared favorably with those from discriminant analysis and several variations of preference disaggregation MCDA procedures. The same approach could be adapted to other problems with missing data in data mining, knowledge extraction, and different multi-criteria decision problems, like sorting, choice and ranking.     

不同步交易模型及其回报分析

不同步交易乃金融中高频数据处理的重要课题之一。该文对文［1 ］和［2］给出的金融证券的不同步交易模型中关于证券回报率序列是独立同分布(i.i. d.) 的假设推广为一个平稳自回归滑动平均模型。并对推广的模型考虑了可观察回报的有关统计特性，从而说明了原来i.i.d.假设下得到的关于可观察回报有负的自相关的结论不再成立 。这显然与实际更吻合。最后给出了模型的参数估计。     

不同步交易的滑动平均模型及其回报分析

不同步交易乃金融中高频数据处理的重要课题之一。本文对文[1]和[2]给出的金融证券的不同步交易模型进行了推广，并对推广的模型考察了可观察回报的有关统计特性，最后给出了模型的参数估计。