基于价格极差的GARCH模型

本文利用资产价格的极差序列,基于常规GARCH模型的框架,构造了一类关于波动率的新模型,即GARCH-R模型以及能够表达波动率变化非对称性特性的AGARCH-R模型。利用上证综合指数日收益率及相应的高频数据,通过比较不同模型对波动率以及VAR的预测效果,揭示了这种包含了极差信息的新的模型比传统的GARCH类模型的预测效果具有显著的优势。     

利用高频数据和copula度量资产组合市场风险:建模与实证

利用realized GARCH模型纳入高频信息,通过copula函数描述资产收益之间的复杂相依关系,构建资产组合市场风险度量的copula-realized GARCH模型,并以上证综指和深证成指的等权重组合进行实证分析。实证结果表明,用学生t-copula函数描述上证综指和深证成指收益序列之间的相依关系比较恰当,与常用的GARCH模型和GJR-GARCH模型相比,学生t-copula与realized GARCH相结合的模型提供相对可靠、更具效率的VaR估计以及更准确的ES估计。因此,资产组合市场风险度量有必要同时考虑高频信息和复杂相依关系。     

双边Burr分布及其在金融市场风险预测与优化中的应用

考虑到金融数据具有非对称、尖峰厚尾特征,文章将具有尖峰厚尾特征的Burr分布拓展至双边Burr(TSB)分布,给出了其重要的数字特征、极大似然估计、最小二乘估计以及加权最小二乘估计,并通过数值模拟验证了这三种参数估计方法的有效性.其次,文章基于TSB分布构建GJR-GARCH模型,旨在研究TSB分布相比于常见分布在度量金融风险方面的优势.实证结果表明,与正态分布、t分布、GED分布、双边Weibull分布和双边Lomax分布相比,基于该分布的GJR-GARCH模型具有最高的VaR预测精度.另外,文章将基于TSB分布的GJR-GARCH模型与Copula函数结合来构建均值-CVaR模型以研究多元投资组合的风险优化,实证研究亦表明能够刻画非对称特征的该模型具有更好的CVaR预测效果.最后,稳健性检验结果证实TSB分布对于金融风险预测以及投资组合优化的改进效果不依赖于波动率模型和Copula函数的设定.     

中国股票市场波动特性的实证研究

本文以上证综指和深成分指数的日收益率为研究对象 ,应用 GARCH、TARCH模型理论 ,进一步分析了日收益率波动的条件异方差性、非对称性 ,同时比较了两个股票市场的不同波动特征     

对我国股票市场股指波动特性的实证分析

本文以上证综指和深成分指数的最新日收益率为研究对象,应用GARCH、TARCH模型理论,进一步分析了日收益率波动的条件异方差性、非对称性,同时比较了两个股票市场的不同波动特征。     

结构性油价波动对中国股市的非对称性影响分析

本文分别检验了不同驱动因素所致的油价波动(结构性油价波动)对我国股市收益波动的非对称性影响,并探寻了油价波动对我国股市产生非对称性影响的来源。首先利用SVAR模型将油价波动分解为供给、需求和预防性购买三种驱动因素所致的油价波动,发现三种驱动因素所致的油价波动对我国股市收益的影响存在显著差异;GARCH非对称模型检验及其信息影响曲线结果显示供给和预防性购买因素所致的油价波动是对我国股市的产生非对称性影响的主要原因。在应对油价波动策略时,区分油价波动背后的驱动因素有助于政府机构采取行之有效的宏观调控。     

中国黄金期货市场波动特征及模型预测研究

选取上海期货交易所黄金期货价格指数日内10分钟高频收益数据,构造了经调整的已实现极差波动率估计序列,利用6类GARCH模型建模分析,描述了黄金期货价格指数的波动特征.运用多种损失函数比较了GARCH类模型样本外波动率预测精度的优劣,并在此基础上,采用一种渐进正态分布检验法评估了GARCH类模型的预测效果.结果显示,黄金期货已实现极差波动率估计序列具有尖峰厚尾、集聚性、持续性等特征.对于黄金期货市场,ACD-GARCH模型具有相对最好的波动率预测能力.     

金融系统的非线性分析:交易量对股价波动的非线性影响

如何研究股价波动和成交量之间的关系一直是金融系统研究中感兴趣的话题.Lamoureux 和 Lastrapes 认为选择日交易量度量每天流入市场的信息量是合理的,但他们假定交易量对波动率的影响是线性的.提出部分非线性GARCH模型分析交易量对股票市场波动率的影响,基于GARCH模型局部线性化非参数似然估计方法,对中国证券市场股票价格和交易量数据进行实证研究.结果表明,交易量对股价波动的影响具有显著的非线性性.     

基于高频数据的非平稳GARCH(1,1)模型的拟极大指数似然估计

波动率的统计分析一直是金融市场量化分析的重要问题.收益率替代模型能将日内的收益率高频数据嵌入到日间的收益和波动率的模型中,因此可以通过构造合适的收益率替代来改进收益和波动率模型中的参数估计的精度.提高估计精度的直接作用就是改进VaR的预报精度,提高风险管理水平.本文针对非平稳GARCH(1,1)模型,构建新的收益率替代模型—基于高频数据的非平稳GARCH模型.不同于传统的Gauss拟极大似然估计(QMLE),本文对收益率替代模型提出拟极大指数似然估计(QMELE).在残差的二阶矩有限的情形下,建立QMELE的强一致性和渐近正态性.数值模拟的结果显示,基于高频数据的估计QMELE具有更小的均方误差.同时通过实际的金融数据说明,包含更多信息的日内高频数据下的收益率替代模型的估计所对应的VaR估计是有效的.     

马尔科夫状态转换GARCH模型的波动持续性研究——对估计方法的探讨

由于GARCH模型的系数固定不变,不能反映金融市场波动的结构变化,所以对于波动预测和动态风险管理都还不够完善。本文在GARCH模型中引入马尔科夫过程,从而使状态的转换体现在GARCH模型中,通过设置状态变量,构建马尔科夫状态转换GARCH模型(MRSGARCH),从而较好地揭示了存在结构转换的波动特性,对MRSGARCH模型进行参数估计,并给出了预测的详细过程,最后提出了MRSGARCH的波动持续性的估计方法。