基于混合Copula模型的投资组合风险分析

金融市场或股票之间的相关关系变化灵活多样,针对现实中往往需要考虑的是多个市场、股票的结构,采用Mixture-Copula模型来分析多元市场的相关性结构,进而构建了Multivariate-GARCH-Mixture-Copula,模型,并选取2002年1月1日至2011年12月31日上证工业指数、商业指数、地产指数三个行业指数序列的2425组数据利用该模型进行实证分析.分析表明,Multivariate-GARCH-Mixture-Copula模型能有效地应用于实际金融市场潜在结构的分析,对投资组合的风险研究有一定的参考意义.     

混合ARCH模型及其应用

本文利用可以拟合尖峰、厚尾、有偏序列的混合ARCH模型计算VaR,给出了VaR的数值算法,并用上证A指的实际数据对基于混合ARCH模型的VaR做了实证分析,显著提高了VaR度量风险的有效性.     

基于混合Copula的CDO定价模型

将广受欢迎的,用于CDO定价的大样本同质投资组合近似方法做了推广,其中涉及到的分布是高斯分布和Variance Gamma分布的混合,即G-VG混合分布.提出了厚尾的G-VG混合Copula模型和带有随机相关性的混合模型.这些模型可以有效的模拟CDO定价中的相关性微笑问题.在这些G-VG混合Copula模型中,得到了损失分布函数和期望分券层损失的解析表达式.并且用实际数据做了实证分析,把新模型和高斯模型的结果做了比较.实证表明,新模型的结果不仅与市场报价更贴近,而且为相关性结构带来了更多的灵活性.     

基于藤结构 Copula 模型的中国股市风格资产相依结构研究

首先采用AR（1）-GJR（1,1）-SkT（73,A）模型来刻画中国股市风格资产（大盘成长、大盘价值、中盘成长、中盘价值、小盘成长、小盘价值）的边缘分布,接着结合各边缘分布的残差,引入C—VineCop—ula和r）IVineCopula模型来描述这六种风格资产之间的相依结构,然后对基于CVineCopula和I）IVineCopula模型的拟合效果进行综合比较．研究结果表明：中国股市各风格资产之间的相依性存在结构性差异,最适合用I）IVineCopula模型来刻画各风格资产之间的相依结构．同类型的风格资产之间的相依程度比不同类型风格资产之间的相依程度要高;在同一类型的风格资产中,资产规模差距越大的风格资产之间的相依系数就越小．无条件的风格资产收益系列之间的相关性要显著大于有条件的风格资产收益系列之间的相关性;最后根据研究结论提出了降低风格资产组合风险的资产配置建议．     

Copula模型在沪深股市相关性研究中的应用

本文利用沪深股票市场数据,研究了二者之间的相关结构,尤其是尾部相关情况。由于股票收益率序列存在着条件自相关和条件异方差,为避免这些对Copula参数估计的影响,我们先对收益率序列进行AR(4)-GJRGARCH(1,1)-t建模,得到的标准化残差经BDS检验为独立同分布(i.i.d.)序列,再进行Copula建模。实证结果表明,沪深股市存在很强的正相关性,以及对称的尾部相关。这与大多数国外学者认为股票市场之间存在非对称相关现象的结论不同。本文通过图形检测和解析方法相结合来选择对数据拟合最好的Copula函数,结果表明学生t-Copula可以很好地刻画沪深股市的相关性。     

厄兰极值混合模型的有效估计及其在保险中的应用

本文研究了Erlang混合分布和广义帕累托分布混合模型的估计问题.通过引入iSCAD惩罚函数,利用EM算法极大化iSCAD惩罚似然函数的方法,获得了混合序和参数的估计值,计算出有效的度量风险指标value-at-risk(VaR)和tail-VaR(TVaR),通过模拟实验和实际数据说明了模型和算法的有效性.推广了有限Erlang极值混合模型在保险数据拟合中的应用.     

时变相关Copula模型在基金风格分析中的应用

基金的投资风格是投资者分析基金考虑的关键要素之一,传统的分析工具基本上局限于静态的、线性的分析方法.时变相关Copula模型作为一种新型的分析工具,不仅可以刻画基金和风格指数之间的相关结构,还能描述它们之间相关性的动态变化情况.首先对时变相关Copula模型的理论基础及建模步骤进行了详细阐述,然后随机选取几只市场综合排名靠前的基金,通过实证研究给出模型的参数估计结果,最后重点解释基金的投资风格划分依据.     

基于门限混合Copula的股市和债市波动变相关结构

股市和债市的波动相关结构是研究金融市场信息流动、风险传递的重要内容.利用拓展的Copula模型——门限混合Copula模型,并结合EM算法等实证检验了我国股市和债市的关联特征.结果表明:两市波动关联性的不同分歧很大程度是注重对样本区间内整体关联性的检验,忽视了不同阶段与市场波动的特定关系;同时新的Copula模型捕捉到...     

高维异方差高斯混合罚模型聚类

罚模型聚类实现了在聚类过程中精简变量的目标,同时如何识别聚类的有效变量成了一个新的问题.在这个问题上,已有的研究有成对罚模型,模型处理了各类数据同方差的情况.考察了异方差情况下的变量选择问题,针对异方差数据提出了两种新的模型,并给出模型的解和算法.模拟数据分析结果表明,异方差数据上两个新模型都有更好的表现.     

联合均值与方差混合专家回归模型的参数估计

在社会、经济领域中存在大量来自异质总体的异方差数据.本文针对异质总体的异方差数据,研究提出联合均值与方差混合专家回归模型,该模型同时对感兴趣的均值、方差和混合比例参数建模,可以概括和描述众多的实际问题.然后,利用EM算法和MM算法给出该模型的最大似然估计,进而通过Monte Carlo随机模拟来验证所提出的方法的有效性.最后,本文结合实际数据AQI(空气质量指数)说明模型的实用性和可行性.     

几种Copula函数在沪深股市相关性建模中的应用

研究了Copula函数对沪深股市的相关性建模问题.许多学者用Gaussian Copula建模,但是它无法捕捉到尾部变化,尾部相关系数不存在.用t-Copula度量中国股市的相关性,捕捉到了尾部变化,并计算出了尾部相关系数,克服了Gaussian Copula对相关性建模的不足,并通过AIC准则比较得到t-Copula优于Gaussian Copula.最后对3种Archimedean Copula进行比较,通过比较它们与经验分布函数的距离,说明Gumble Copula更加适用于中国的金融市场.     

中国股市期权波动率微笑特征的实证分析

波动率微笑现象显示了期权隐含波动率和执行价格之间的关系.在理想的完全符合Black-Scholes期权定价模型假设的情况下,期权隐含波动率关于执行价格应该是一条水平线.然而,在实证分析中,对隐含波动率和执行价格进行拟合并绘制曲线,会产生一个倾斜或微笑形状的曲线,证明Black-Scholes期权定价模型存在一定的缺陷....     

Robust Estimation in Partial Linear Mixed Model for Longitudinal Data

In this article, robust generalized estimating equation for the analysis of partial linear mixed model for longitudinal data is used. The authors approximate the nonparametric function by a regression spline. Under some regular conditions, the asymptotic properties of the estimators are obtained. To avoid the computation of high-dimensional integral, a robust Monte Carlo Newton-Raphson algorithm is used. Some simulations are carried out to study the performance of the proposed robust estimators. In addition, the authors also study the robustness and the efficiency of the proposed estimators by simulation. Finally, two real longitudinal data sets are analyzed.     

基于EM算法的混合模型中子总体个数的研究

混合模型已成为数据分析中最流行的技术之一,由于拥有数学模型,它通常比聚类分析中的传统的方法产生的结果更精确,而关键因素是混合模型中子总体个数,它决定了数据分析的最终结果。期望最大化(EM)算法常用在混合模型的参数估计,以及机器学习和聚类领域中的参数估计中,是一种从不完全数据或者是有缺失值的数据中求解参数极大似然估计的迭代算法。学者们往往采用AIC和BIC的方法来确定子总体的个数,而这两种方法在实际的应用中的效果并不稳定,甚至可能会产生错误的结果。针对此问题,本文提出了一种利用似然函数的碎石图来确定混合模型中子总体的个数的新方法。实验结果表明,本文方法确定的子总体的个数在大部分理想的情况下可以得到与AIC、BIC方法确定的聚类个数相同的结果,而在一般的实际数据中或条件不理想的状态下,碎石图方法也可以得到更可靠的结果。随后,本文将新方法在选取的黄石公园喷泉数据的参数估计中进行了实际的应用。     

指数族非线性混合效应模型基于$Q$函数的数据删除度量

对指数族非线性混合效应模型, 本文基于$Q$函数(朱宏图, 2001)方法, 给出几种度量数据删除影响的统计量\bd 其主要思想是将随机效应视为缺失数据, 并利用EM算法来处理完全数据对数似然函数的条件期望\bd 一个实际例子说明我们方法是有效的     

ACD模型在沪市中的实证研究

在证券交易中,交易持续期反映了市场交易的重要信息,因此对交易者行为具有重要的影响,并且影响到证券市场的流动性.为了检验在交易中交易持续期对交易的影响,本文选择了沪市A股的四只股票,利用由Engle和Russell提出ACD模型对其交易持续期进行了实证研究,讨论了交易持续期的相关性质,表明交易持续期具有明显的日内模式,并检验log-WACD模型与中国证券市场的吻合程度.     

基于状态空间SV-T-MN模型的股指波动率预测

本文考虑到金融收益率序列的"尖峰厚尾"和波动持续性等特征,针对厚尾SV-T模型的波动率样本外预测问题,提出了基于状态空间下的SV-T-MN(SV-T with Mixture-of-Normal)模型。首先根据MCMC方法估计SV-T模型参数,然后由EM算法估计混合正态参数,最后利用近似滤波(AMF)算法实现SV-T-MN模型的样本外预测。对KF、EKF、AMF进行的模拟研究表明高斯混合状态空间下的AMF更有效。通过对上证指数和深证成指的股指日收益率序列的实证研究结果表明,在五大损失函数评价准则下,基于状态空间SV-T-MN模型能有效刻画金融收益率序列和尾部的波动性,相比SV-N-MN模型具有更好的优越性。     

基于线性混合模型的艾滋病最佳治疗时机选择

本文利用美国艾滋病医疗试验机构ACTG的193A研究中的一组非平衡重复测量数据。以log(cd4+1)为体现疗效的因变量,年龄、性别为固定效应,治疗时间和滞后治疗时间为随机效应,同时考虑疗法对疗效的影响引入其与治疗时间的交互效应,建立线性混合效应模型。用SAS软件求解。再通过建立以治疗时间斜率随机效应为因变量初始logcd4为解释变量的回归模型判断艾滋病最佳治疗时机。结果表明,当初始cd4为185个/mm~3时治疗时机最佳,即为无症状感染的晚期.与美国DHHS推荐的小于200个/mm~3一致,却更为科学和精确。本研究对艾滋病治疗的临床实践具有重要的指导意义。     

数据分组和右截尾情形下混合指数分布的参数估计

混合模型是可靠性工程,金融保险和计量经济学等领域中的一类重要模型。本文利用EM算法考虑了混合指数分布在分组数据和右截尾情形下的参数估计问题,并给出了相应的参数估计公式,最后的数值模拟表明EM算法对我们的模型是有效的。     

Mixed Estimations and Bayes Estimation of theRegression Coefficient in Multivariate Linear Model

ＭｉｘｅｄＥｓｔｉｍａｔｉｏｎｓａｎｄＢａｙｅｓＥｓｔｉｍａｔｉｏｎｏｆｔｈｅＲｅｇｒｅｓｓｉｏｎＣｏｅｆｆｉｃｉｅｎｔｉｎＭｕｌｔｉｖａｒｉａｔｅＬｉｎｅａｒＭｏｄｅｌ￥ＨｕａｎｇＹａｎｇｘｉｎ（黄养新）（ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈ...