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。     

多元时间序列GARCH型模型的诊断检验

多元时间序列GARCH型模型已被证实在理论和实际中具有重要作用.该文对这一类模型的拟合优度提出了一组得分型检验统计量.这些检验在零假设模型下渐近服从卡方分布,计算简单,临界值容易得到.检验对备择模型比较敏感,能侦察到以1/n~(1/2)的速度收敛到零假设的备择模型.对于可能的多个备择,构造了渐近分布自由的Maximin检验;而对于饱和备择情形,基于得分型检验的思想提出了一个构造Omnibus检验的可能性.值得指出的是构造的这组检验能检测到零假设模型的条件协差阵的每一部分可能的偏离,从而当模型被错误指定时,该检验能提供相关信息进行模型修正.模拟结果表明该文的检验表现理想.     

GARCH模型变点的Ratio检验

研究GARCH模型参数变点的Ratio检验.首先构造了基于残量累积平方和的Ratio统计量,推导了原假设下统计量的极限分布,其次采用Monte Carlo方法检验其有效性,最后以数据为例进一步说明该方法的实用性.     

Panel模型中两步估计的优良性

本文研究Panel模型中未知参数的估计问题，给出了两步估计的协方差的准确表达式．用均方误差作为度量估计的优劣标准，我们建立了两步估计优于Within估计和最小二乘估计的充要条件．特别我们获得了两步估计优于Within估计的简单充分条件．一般说来，对于中等数量的样本容量，两步估计就优于Within估计，类似的结论对Between估计或最小二乘估计也成立．     

GARCH模型参数变化的残量检验

本文研究GARCH模型参数变化的检验问题. 给出残量累积和统计量, 在原假设下得到了统计量的极限分布; 模拟结果表明残量检验可以弥补Kim, Cho和Lee (2000)\ucite{1}提出的平方累积和检验的某些不足, 比如经验势函数值过低的问题.     

多维GARCH模型的半参数有效估计

多元GARCH模型的估计一般采用拟极大似然法(quasi maximum likehood),对于这种方法估计的相合性及渐近正态性已经被很多学者证实,然而对于新息列的分布不是多元正态时,这种估计的有效性还没人研究,本文从拟极大似然估计得到的参数相合估计入手,提出用非参数方法估计多元新息列的分布.     

高维稀疏对角GARCH模型的估计及应用

高维数据背景下,数据维度和噪声的影响使得传统的GARCH模型不再适用.针对对角GARCH(goGARCH)模型的不足,将高维稀疏建模法应用到其估计过程中,提出了高维稀疏对角GARCH(HDS-goGARCH)模型.HDS-goGARCH模型通过引入惩罚函数,将一些不重要变量的回归系数压缩为零,来精简模型,达到降维的目的.通过模拟和实证研究发现:较传统的goGARCH模型而言,HDS-goGARCH模型明显提高了高维协方差阵的估计和预测效率;并且将其应用在投资组合时:在收益一定的情况下,由HDS-goGARCH模型所构造的投资组合的风险更小.     

无穷方差厚尾过程变点的小波估计

研究随机设计下噪声为厚尾随机变量时非参数函数中的变点估计问题.首先,通过设计变换将随机设计转化为等间距固定设计,进而利用小波方法估计变换后的变点的位置,再利用逆设计变换求得随机设计下变点位置的估计,并给出估计的收敛速度.模拟研究结果说明对于无穷方差厚尾过程中的变点估计问题小波方法是有效的.     

两步估计的效率

对一般线性模型,为了判定和比较两步估计的优劣,本文引进了两步估计的相对效率的三种度量,给出了它们的下界,并把所得结果应用于两种线性模型:误差方差非齐性的回归模型和误差是一阶自相关的回归模型.     

GARCH模型估计方法选择及对上证指数的应用

本文介绍了对ARCH/GARCH模型的两种估计方法:准极大似然估计和极小绝对偏差估计,并提出了一种基于自助法(Bootstrap)对估计方法的选择。在厚尾程度不同的情况下进行了模拟分析,表明对于一个具体的数据,该选择法能够自动选择较优的估计方法。并用该方法对上海证券交易所A股和B股的股价指数进行了分析,印证了上海股市B股收益率的尾部厚于A股收益率尾部。     

证券市场指数的尖峰厚尾特征与风险量估计

在对DOW,Nasdaq,S&P500和FTSE100等四个证券市场指数进行实证分析基础上,展示了证券市场指数的对数收益率具有尖峰厚尾的分布特征,并利用Logistic分布得到了很好的拟合,同时给出了基于Logistic分布的风险量VaR和CVaR的估计公式,以此计算证券市场指数的对数收益率的风险量VaR和CVaR的估计值.     

GARCH(1,1)模型的稳健估计比较及应用

首先阐述了GARCH(1,1)模型稳健估计的构造方法,然后在模型有无异常值扩散效应约束和异常值比例不同的情况下,比较了传统QMLE估计和多种稳健M估计的表现,结果表明:在数据无异常值下,QMLE估计较优;随着异常值比例增加,稳健Andrew估计表现更好;模型施加异常值扩散效应约束对估计有一定改善但不显著.最后选取波动程度不同的两个阶段沪深300指数的收益率,用模型拟合进行了实例比较,在波动程度较大时,Andrew估计效果较优,在波动相对平稳时,LAD估计较优.     

基于GARCH模型的期望损失ES非参数核估计

风险度量ES最新的非参数估计方法,不依赖于分布假设,但不能动态反应金融时间序列的风险.针对金融时间序列的波动,结合GARCH模型进行期望损失ES的非参数核估计,得到随市场波动而动态变化的ES预测.通过数值模拟和对近两年的上证指数实证分析验证了该方法能准确而有效的反映市场风险.     

线性模型中两步估计的分解式及其应用

本文讨论广义线性模型中均值向量和回归系数的两步估计，给出了均值向量两步估计的分解式及均值向量两步估计与其最佳线性无偏估计一致的充分条件，并把结果应用到两阶段抽样回归模型及误差相关回归模型中。     

线性模型中两步估计与BLUE差别的度量

本文讨论了广义线性模型中均值向量向和回归系数两步估计与最佳线性无偏估计差别的度量方法，给出了均值向量(回归系数)两步估计μ^-(β^-)相对于其最佳线性无偏估计μ^*(β^*)的相对精度P(μ^-|μ^*)的界及μ^--μ^*(β^--β^*)的欧氏范数界．并把文章结果应用到两阶段抽样回归模型，方差非齐次回归模型，半相依回归模型中．     

一类SUR模型参数两步估计的有限样本结果

对于m（3）SUR模型（1），其设计矩阵满足条件（4），本文得到了回归系数βi（i＝1，…，m）的两步Aitken估计的精确协方差表达式，从而获得了两步估计优于LS估计的有限样本性质．特别是，当m＝3时本文结果可以与Revankar（1974）给出的一类两方程SUR模型结果相比较.     

无穷方差厚尾过程中非参数函数的小波估计

研究无穷方差厚尾过程中含有变点的非参数函数的估计问题。通过小波方法给出变点位置的估计值并得到其收敛速度。在已知变点估计值的基础上,将截尾方法与小波压缩方法相结合得到非参数函数的估计值。模拟研究结果说明对于无穷方差厚尾过程中的函数估计问题小波方法是有效的。     

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.     

多元t分布下相依回归模型参数的两步估计

本文把文献中关于正态分布下相依回归模型参数Zellner估计的有限样本均方误差结果和效率结果以及两步协方差改进估计的一般均方误差结果推广到多元t分布情况,在该分布下两种估计的统计优效性质均不变.