单分位数方法对时间序列尾指数变点检测及应用

多元时间序列中的尾指数变点检测在理论和实际应用中都有着广泛应用。本文利用单分位数方法(Single Quantile Method)构造检验统计量检测和估计出多元时间序列数据尾指数变点,证明其极限分布。在模拟研究中,分别产生三个经典的厚尾分布类型随机数进行模拟研究,结果表明,单分位数方法对多元时间序列尾指数的变点检测是有效的,尤其对分布变化造成的尾指数变化的情形更加敏感与准确。最后将该方法应用于深圳市香蜜湖路市委党校南行路段车流量数据,结果显示该方法能准确检测出交通流变点,根据存在的变点分析出交通流的变化规律。     

我国物价指数的时间序列分析

借助于SAS软件,首先将时间序列的ARIMA模型应用于我国的物价指数分析,通过分析其拟合与预测误差可以发现该模型效果良好.然后运用ARCH模型进行分析,经过比较发现在对我国物价指数的分析上,ARIMA模型的效果要好于ARCH模型.     

资产收益率时间序列的条件异方差模型新探

现代金融风险管理中,利用条件异方差模型进行金融时间序列分析扮演着十分重要的角色,最典型的应用是基于观察到的离散时间价格或对数收益率序列做出管理决策.本文试图建立一种新的条件异方差模型去拟合资产收益率时间序列,该模型被本文提出的“正态分布的双变量连续二元正态混合（BNC-MN）分布”信息所驱动.该模型能充分捕捉资产收益率时间序列的“典型特征”如：非对称性,尖峰厚尾,波动群聚以及Black金融杠杆效应等;同时在此模型下,我们可以对上述特征做出较合理的经济学解释,并在一定程度上揭示用广义自回归条件异方差模型(GARCH)去模拟资产收益率序列的合理性.     

基于Ising模型的股票价格统计特征及模拟

根据统计物理中的Ising模型和极限理论,研究证券市场中股票价格的统计规律.通过建立相应的金融收益模型,构造出股价的随机过程.再利用计算机模拟股票价格收益率的分布特征,模型很好的刻画了现实证券市场中股票收益率分布的宽尾现象、长记忆性,以及累积分布中尾部收益的指数递减现象.     

重尾分布尾指数估计研究进展

气象、水文、环境、电信、保险、金融等许多领域的数据不满足正态分布假设,而是具有尖峰、重尾特征.过去三十多年间,针对重尾分布及尾指数估计的研究得到了长足发展.文章回顾了冲击正态性假设的重尾分布的发现过程,描述了重尾分布的定义,极值理论及正则变换条件,并从研究内容的阶段特征、研究方法的不同类型总结、归纳、评述了各类尾指数估计方法及重尾阈值选取方法,最后就这些估计方法的不足和应用局限性以及如何改进和深化重尾指数的估计问题作了展望.     

一类位置不变重尾指数估计的渐进性质

基于统计量Mn(α)(k0,k),提出一类新的位置不变重尾指数估计,并在极值理论一,二阶正则变化条件下,研究了其相合性与渐进正态性.     

极值理论与VaR计算

介绍了利用极值理论研究随机变量尾部性质的方法,并将其应用于金融产品在险价值（VaR）的计算.实证分析表明,与传统的计算VaR的方法相比,极值理论方法能更好地利用已知历史数据,并能在计算高置信度VaR时克服传统方法中误差较大的缺点.     

关于上海股市指数日收益尾部的实证研究

基于极值理论（EVT）方法,利用平均超出量函数,结合判断阈值u改变引起参数估计量的变化,找出合适的阈值,建立了上海股市综合指数极端日收益率的广义帕累托模型（GPD）。     

负极值指标的Pickands估计

提出一类极值指数为负时的相似于Pickand's型的新的极值指数估计量,并建立它的相合性及渐近分布。     

分布函数上尾端点估计量的渐近性质

给出了当极值指标小于0时,分布函数F(x)的上尾端点估计量,并证明了该估计量的强相合性和弱相合性,给出了其强收敛速度,证明了渐近正态性,进而获得了分布函数F(x)的上尾端点的渐近置信区间.     

不同观测点重尾参数的估计

根据位置不变的Hill型估计量的渐近性质,提出了一个关于极端降雨不同观测点的位置不变的估计量c∧n(k0,k),并讨论了其弱相合性及其分布的渐近正态展开.     

尾部指标估计中的阈值选择

本文研究如何用较好的方法选择一个适当的阈值，计算尾部指标的Hill估计，然后加以比较，并以美元对日元的汇率为例，说明方法的使用．     

对数偏正态逻辑斯蒂分布的极值高阶展开

主要讨论了对数偏正态逻辑斯蒂分布的尾部特征,得到了极值的高阶展开.     

基于极值理论和Copula的灾难风险建模研究

利用极值理论中的广义极值分布(GEVD)对单一灾难事件的特性进行刻画，然后利用Copula函数把不同的灾难风险组合起来，构造其联合分布，并提出了适合模型的蒙特卡罗算法．最后利用实例说明了GEVD-Copula组合建模的应用，得出了有益结论。