基于Expectile和Realized GARCH模型的波动率预测

Realized GARCH模型是预测波动率的经典模型之一,最小化非对称二次损失函数的Expectile对收益率尾部分布更加敏感,我们在Realized GARCH模型的基础上引入Expectile提出Expectile-Realized GARCH模型。以沪深300指数的高频收益率为例建模分析,对比不同模型下的波动率预测效果,发现Expectile-Realized GARCH模型较Realized GARCH模型对波动率预测能力更好。其中,当风险水平为95%时,对应的Expectile-Realized GARCH波动率预测能力最好。     

基于损失相依保费原则下的最优再保险-投资策略

本文研究了基于损失相依保费原则下的最优再保险投资问题。该保费原则是基于过去的损失和对未来损失的估计来动态地更新保费,是传统的期望值保费原则的一个拓展。我们假设保险公司的盈余过程遵循C-L(Cramér-Lundberg)模型的扩散近似,保险公司通过购买比例再保险或获得新业务来分散风险或增加收益。假设金融市场由一个无风险资产和一个风险资产组成,其中风险资产的价格过程由仿射平方根随机模型描述。我们以最大化保险公司的终端时刻财富的期望效用为目标,利用动态规划,随机控制等方法得到CARA效用函数下的值函数的解析解,并得到最优再保险和投资策略的显性表达式。最后通过数值算例,分析了部分模型参数对最优再保险投资策略的影响。     

基于GARCH模型的短期汇率预测

研究人民币对美元的汇率预测,通过对2010年7月1日至2013年11月30的周汇率平均值进行数据分析,发现其基本符合时间序列分析中的GARCH模型,因此采用该模型进行预测,预测结果比较成功。预测表明人民币呈现升值的趋势.     

基于双因子已实现GARCH模型的波动率预测研究

准确地预测金融市场的波动率对市场管理者和参与者而言都是至关重要的。本文在标准已实现GARCH模型基础上,将条件方差乘性分解为长期方差和短期方差两部分,分别构造包含杠杆函数的长期方差方程和短期方差方程,用以捕捉波动率的长记忆性和短期微观波动。运用上证综指和日经指数的日收盘价、已实现方差和已实现核波动此类高频数据进行实证分析,结果表明:与标准已实现GARCH模型相比,两指数的双因子已实现GARCH模型在样本内表现出更大的似然估计值;通过样本外误差函数分析和DM检验,双因子已实现GARCH模型也取得更好表现。     

基于区间直觉模糊记分函数的动态专利质量评价方法

记分函数是对区间直觉模糊集进行比较和集结的重要工具,其排序能力直接影响评价结果的优劣。本文在总结整理现行的区间直觉模糊集记分函数的基础上,从直觉符合性和能否描述决策者模糊判断两个层面,系统分析了现有记分函数的不足。并在此基础上,引入集对分析方法构建改进的区间直觉模糊集记分函数,并证明了其相关性质。根据提出的记分函数,本文设计区间直觉模糊型动态群决策方法,并将其应用于专利质量评价中。     

基于杠杆效应CARR模型的波动率预测

本文提出了一类新的具有杠杆效应的CARR模型,基于广义伽玛分布探讨了杠杆效应CARR模型的参数估计和波动预测。以我国上证指数的2011年6月至2014年3月的每日数据为研究对象,分别运用EARCH模型、传统CARR模型和杠杆效应CARR模型对上证指数的波动率进行拟合,并根据MAE、RMSE和MAPE三个损失函数进行了预测能力比较分析,结果表明:杠杆效应CARR模型在波动性预测方面比EARCH模型的效果更好一些。     

考虑损失规避和随机需求的闭环供应链零售商融资决策

本文以一个具有损失规避行为的零售商、一个完全理性的制造商和一个完全理性的回收商所构成的三级闭环供应链为研究对象,针对零售商资金受限及市场需求不确定问题,考虑外源银行贷款和内源制造商投资两种融资模式构建Stackelberg博弈模型。基于该模型,深入探讨具有损失规避行为零售商的最优融资决策及损失规避行为对闭环供应链的最优运营决策的影响。研究发现：融资成本对回收商和零售商的运营决策影响相同,与对制造商批发价的影响相反;只有当融资成本处于一定阈值范围内,才会实现零售商和制造商的帕累托改进,且零售商的损失规避程度越高,所能接受的贷款利率区间越大,分红比例区间越小;当且仅当协商的分红比例为0.05且贷款利率相对较小时,损失规避型零售商才会和制造商达成股权融资共识,提升闭环供应链的运营效率。     

基于GARCH模型的波罗的海干散货运价指数预测

为准确地把握波罗的海干散货运价指数(BDI)的变化趋势,选用一阶对数差分方法,对近期BDI日收益率序列的基本统计量特征进行了分析,验证了BDI日收益率序列的"尖峰厚尾"及波动的集聚性等特征,并进一步运用GARCH(1,1)模型,分析了其波动的持续性和滞后性.在此基础上,基于GARCH模型构造了预测的方法步骤,经优化调整滞后期对BDI日收益率进行了预测,最后,通过将BDI对数日收益率序列还原为指数序列,对BDI进行了预测,实证分析结果验证了模型及方法的适用性和有效性.     

基于时空注意力机制的双向长短期记忆神经网络的股指预测研究

股票市场是一个高噪音的混沌系统,其外部属性之间的相关性问题以及在长期预测时外部影响对股价波动的加剧,导致对股票市场进行准确预测是一项富有挑战性的工作。为解决上述问题,本文利用基于注意力机制的双向长短期记忆神经网络(BiLSTM)对香港恒生指数收盘价进行有效性的实证检验。其中,空间注意力机制用于捕捉输入指标之间的相关性并为其赋予区别权重,时间注意力机制用于描述数据的时间相关性以解决长期预测中的时间依赖问题并为时间步赋予区别权重,BiLSTM神经网络用于拟合数据并构建预测模型。本文还比较了四种基于注意力机制的神经网络方法和六种基线方法,实验结果表明,与当下流行的股票指数预测方法相比,基于双维度注意力机制的BiLSTM可以在短、中、长期预测中均实现更准确的股票指数收盘价预测。     

基于随机波动率状态转移特征的上证50ETF期权定价

期权定价模型的构建过程中,单因子随机波动率模型生成的波动率曲线形状与波动率水平相关性微弱,且无法确切反映波动过程的状态转移特征。为此,本文使用连续马尔可夫链刻画波动状态,在Heston模型的基础上,针对其方差动态过程中所有参数均为波动状态任意函数的情景,得到了一类具有状态转移特征的随机波动率模型;进一步,根据条件仿射模型的特征函数,结合波动路径的蒙特卡罗模拟,实现了欧式期权半解析定价,其中,采用基于粒子滤波的极大似然估计方法估计模型参数;特别地,对上证50ETF期权进行了实证研究。结果表明：具有状态转移特征且方差的基准长期均值及波动率均依赖于波动状态的随机波动率模型,能够显著提升上证50ETF期权定价的准确性和稳健性。     

基于GARCH模型的波罗的海干散货运价指数预测北大核心

为准确地把握波罗的海干散货运价指数(BDI)的变化趋势,选用一阶对数差分方法,对近期BDI日收益率序列的基本统计量特征进行了分析,验证了BDI日收益率序列的"尖峰厚尾"及波动的集聚性等特征,并进一步运用GARCH(1,1)模型,分析了其波动的持续性和滞后性.在此基础上,基于GARCH模型构造了预测的方法步骤,经优化调整滞后期对BDI日收益率进行了预测,最后,通过将BDI对数日收益率序列还原为指数序列,对BDI进行了预测,实证分析结果验证了模型及方法的适用性和有效性.     

基于非参数GARCH模型的中国股市波动性预测

本文采用上证综合指数和深证成份指数1997年1月2日—2005年6月30日的每日收盘价对数百分收益率为样本,运用非参数GARCH(1,1)模型研究了中国股票市场的波动性,并与参数GARCH(1,1)模型的估计结果进行了比较,最后利用六种预测误差度量指标比较了这两种模型的样本内及样本外预测能力,结果发现,非参数GARCH(1,1)模型对股市波动性的预测精度有明显提高。     

基于M-H抽样的贝叶斯非对称厚尾GARCH模型研究

针对非对称厚尾GARCH模型参数的预选分布很难确定的问题。对模型参数空间进行数据扩张,把模型中的厚尾残差分布表示成正态分布和逆伽玛分布的混合分布,然后通过对参数的后验条件分布进行变换获得参数的预选分布,从而利用M-H抽样实现了非对称厚尾GARCH模型的贝叶斯分析。中国原油收益率波动的实证研究发现中国原油收益率的波动具有高峰厚尾性但不存在"杠杆效应",样本内的预测评价发现基于M-H抽样的贝叶斯方法优于极大似然方法,说明了M-H抽样方案设计的有效性。     

基于高频数据的GARCH模型拟极大指数似然估计

基于拟极大指数似然方法,本文研究了利用日内高频数据来估计日频GARCH模型的参数.已有的相关研究均假定GARCH方程中常数项是给定的,限制了方法的广泛应用.本文基于常规的GARCH(1,1)模型框架,针对模型全部参数给出了两步估计方法,讨论了估计量的理论性质.针对不同的波动率替代,文章也给出了最优波动率替代选择标准.模拟研究和实证研究表明所提估计方法有很好的表现和一定的应用价值.     

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.     

不同矩属性波动模型对中国股市波动率的预测精度分析

金融时间序列的波动性建模经历了从一阶矩到二阶矩直到高阶矩(包含三阶矩和四阶矩)的过程,而对于高阶矩波动模型是否有助于对未来市场的波动率预测这一问题,国内外学术界尚无文献讨论。以上证综指长达7年的每5分钟高频数据样本为例,通过构建具有不同矩属性的波动模型,计算了中国股票市场波动率的预测值,并利用具有bootstrap特性的SPA检验法,实证检验了不同矩属性波动模型的波动率预测精度差异。实证结果显示:就中国股市而言,四阶矩波动模型能够取得比二阶矩波动模型更优的波动率预测精度,而三阶矩波动模型并未表现出比二阶矩波动模型更强的预测能力;在高阶矩波动模型中包含杠杆效应项并不能提高模型的预测精度。最后提出了在金融风险管理、衍生产品定价等领域引入四阶矩波动模型的研究思路。     

基于决策者风险偏好的模糊鲁棒性项目调度优化

不确定条件下模糊鲁棒性项目调度计划的生成受决策者风险偏好影响。本文研究模糊活动工期下考虑决策者风险偏好的鲁棒性项目调度优化问题,目标是合理安排活动开始时间,生成特定风险偏好下鲁棒性最大的进度计划。首先界定问题,构建优化模型;随后针对问题NP-hard属性和模型特点设计交替禁忌搜索启发式算法,求解得到不同风险偏好下满意的进度计划;最后用实例验证说明,并分析关键参数影响。结论如下：决策者风险偏好由规避转乐观时,项目冲突区间总和增多;截止日期、资源可用量较紧张时,风险偏好变化对冲突区间总和变化影响更大;风险偏好乐观时,截止日期变化对冲突区间总和变化影响更大。研究成果可为不同风险偏好决策者在不具历史数据的高不确定环境中制定合理前摄性计划提供决策支持。     

基于GARCH类模型和SV类模型的沪深两市波动性研究

以CSMAR数据库2007年2月27日至2008年5月14日共297个交易日的上证综指和深证综指的收盘价数据为研究对象,通过比较5类GARCH模型和两类SV模型对上证综指和深证综指样本内(2007年2月27日至2008年2月27日)收益率波动特征的描述能力以及样本外(2008年2月28日至2008年5月14日)收益率波动的预测能力,得出GARCH类模型相比SV类模型更适合描述中国证券市场的波动性.     

多元波动率模型的一些新进展

对多个资产收益率的协方差矩阵建立动态模型是一个非常重要的问题。本文就近些年来该方面研究的一些主要进展进行了综述,特别地介绍了几种基于数据降维技术发展起来的能够适用于高维情形的多元GARCH模型,另外,对于多元波动率的模型诊断与比较方法以及条件协方差矩阵的预测等方面的研究成果也作了分析。     

基于前景理论的模糊DEA交叉效率评价方法

针对模糊环境下决策单元的相对有效性评价问题,本文利用α-截集法将三角模糊数型的投入产出值转化为区间数,提出一种改进的区间交叉效率模型。随后,引入前景理论来研究区间交叉效率集结问题,定义区间参考点代替传统的单个参考点,以最大化所有决策单元的前景交叉效率为原则,构建最大化前景交叉效率模型求解集结权重。根据偏好度方法,比较区间交叉效率值。本文方法基于统一的生产前沿面来度量决策单元的效率,保证了不同决策单元之间以及不同α值下的效率可比;定义区间参考点充分考虑了决策者在模糊环境下的心理因素变化,集结决策单元的区间交叉效率值代替综合前景值,以保留尽可能多的决策信息。最后,通过例子验证方法的有效性。