共查询到10条相似文献,搜索用时 656 毫秒
1.
本文利用SV(Stochastic Variance)模型对期权基础资产的收益过程进行统计描述,在同时给出期权定价和市场风险计量之后,又给出定价置信区间和风险置信区间的估计。文中对SV模型作了分析和比较,利用自适应滤波方法对模型的建立和参数的估计给出了简单的方法,最后还对SV模型作了模拟分析并计算了期权定价和风险计量的一个例子。 相似文献
2.
3.
《系统科学与数学》2018,(8)
在大数据时代,如何估计高维投资组合的风险是金融机构面临的一大难题.针对这一难题,文章主要做了两方面研究:首先,将非线性收缩法和QuEST函数应用到BEKK模型中,提出BEKK-NS模型,以估计和预测在资产组合中扮演着重要角色的资产协方差阵.该模型同时适用于估计正态分布和厚尾分布数据的协方差阵,并且能够很好地解决维数诅咒问题,提高协方差阵的估计效率.其次,构造了基于循环分块bootstrap方法的极限误差U(α)来评价高维投资组合的风险.通过模拟和实证研究发现:BEKK-NS模型明显优于BEKK,将其应用在投资组合时,降低了组合风险,使得投资者获得了更高的收益;并且极限误差U(α)非常接近于真实的误差,由其构造的组合风险的置信区间较为精确. 相似文献
4.
5.
6.
7.
8.
研究联合均值与方差模型的Bayes分析,通过应用Gibbs抽样和MetropolisHastings(MH)算法计算模型未知参数的Bayes估计与Bayes数据删除影响诊断统计量.模拟研究和实例分析说明该方法的可行性. 相似文献
9.
10.
《数学的实践与认识》2020,(9)
Markowitz开创了现代投资组合理论的先河,他提出的均值方差模型为后来投资组合选择模型的研究奠定了基础.然而,许多学者的研究表明,均值方差模型对参数非常敏感,当模型参数的估计存在较大的误差时,模型并不是在配置风险和收益,而是在配置误差.模型的误差分别来自收益端和风险端,为了改善收益端的参数估计,学者们提出了更具有实际应用价值的Black-Litterman模型,而如何改善风险端的估计误差还有待进一步的研究.在实际应用中,有效的数据样本往往较少,当资产数量较大时,样本协方差矩阵存在很大的估计误差,因此,引入POET方法估计协方差矩阵提高协方差矩阵的估计精度,从风险端改善投资组合选择模型的配置效率.将构建的投资组合选择模型分别应用在申万一级行业指数和二级行业指数上,算例分析的结果表明,引入POET方法后模型有更好的表现. 相似文献