金融市场极端日收益数据的广义Pareto分布拟合

本文基于极值理论和方法建立了上证综合指数极端日收益率的广义Pareto模型,并利用所得的模型计算出日收益率的返回水平及其上尾概率。将估计的日收益率模型比较得出,在实施涨跌停板前,日收益率的上尾明显厚于实施涨跌停板后的上尾,说明了实施该制度可以有效的控制股票市场的投机现象,从而降低投资者的收益损失风险。     

股票收益率尾部相关性的Copula度量及模拟

股票收益率尾部相关性是研究金融市场关联性的重要内容.由于传统的τ、ρ等相关系数是对随机变量的全局度量,不适合用于收益率分布尾部这种局部特征的相关性度量.因此,在引入左尾(右尾)相关系数的基础上,讨论了它们的Copula度量及其相关性质.最后,通过计算机模拟分析了沪、深股指收益率尾部相关性的变化趋势,有效避免了Copula模型的设定困难,并得到了尾部相关性增强、相关不对称等结论.     

收益现值法的若干结果

本文对资产评估中常用的方法——收益现值法的现有计算公式进行了拓展，并对资产预期收益的一些具体形式给出了资产评估值的计算公式。     

多人合作投资多元化中的层次分析法

本文利用层次分析法对企业中存在的多人合作投资多元化问题进行探讨与研究 ,将定性分析与定量计算结合起来 ,求解多元化投资规划中的权系数 .     

三率调控宏观经济的数学模型

本文利用中国宏观经济发展状况，建立三率调控宏观经济的数学模型，利用宏观经济指标与三率间的回归分析考证它们的相关程度，并根据实际经验建立收益矩阵，根据经济指标对宏观经济贡献的大小建立权重系数，最后建立目标函数并求组合最优化的解。由于数据不足，而且没有考虑 风险的最小化，我们获得的决策并非一定最优，只是在某些特定的条件下最优，因此决策仅供参考。此外，随着宏观经济状况的不断变化，收益矩阵和加权系数必须随时修正，以便形成动态决策。     

市场风险值VaR的算法与应用

进行金融风险管理时可以将风险划分为四类，即信用风险、经营风险、流动性风险和市场风险。其中市场风险是指金融市场价格（包括股票价格、利率、汇率和大宗可交易商品的价格）波动而引起的未来收益的不确定性。市场风险值VaR(Value at Risk）就是用来评价给定资产所面临的市场风险大小。本文介绍了VaR的定义、相关的计算方法和在证券投资决策中的应用实例。     

风险度量模型的研究

分析了方差法和半方差法作为风险测度的不足之处，考虑到资产离散程度和实际投资者的风险偏好，引入风险偏好系数，建立加权的半方差证券组合决策模型，作出了理论分析并给出了相应的数值比较结果。     

基于TransPMF检验的连涨连跌收益率的变结构分析

主要运用基于Box-Cox变换的惩罚极大F检验(TransPMF test)对上证综指的连涨连跌收益率进行变结构分析.选用2000年1月到2014年12月共3814个日对数收益率数据,采用transPMF方法检验这段时间内的连涨与连跌收益率是否存在变结构问题,估计变结构的个数与位置,并对发生变结构的原因结合实际进行分析.     

“两高”和新能源产业的绿色信贷信用风险研究——基于KMV模型的经验数据检验

绿色信贷限制与支持的产业中许多产业都是产能过剩的,因此绿色信贷虽为国家所倡导但也蕴含着巨大的信用风险.使用KMV模型着重对绿色信贷的特性进行分析,并对使用最小误判法对模型进行修正.通过搜集"两高"产业和新能源产业2011-2013年的上市公司经验数据,对两部分的信用风险状况进行比较,以此来实证检验绿色信贷风险状况.发现在增加股市价值为表现形式的市场预期之后,与设想的结果相反,新能源产业的信用风险并不高于"两高"产业,推进绿色信贷政策可以改善银行的信贷结构,降低信用风险.但新能源产业也表现出一般新兴产业的特点,产业内公司风险差距较大,个别企业仍面临着高风险.同时市场表现受政策影响较大,影响盈利能力不稳定性因素较多.     

稳健改进的AO型异常点检测法在金融时序中的应用

针对金融时间序列数据易受外界突发事件干扰而产生连续性异常点的特点,本文首先分析了Chang,Tiao和Chen(1988)~([11])提出的金融时间序列AO型异常点检测法的不稳健性,并对其进行稳健改进得到稳健检测统计量,而且在理论上证明了改进检测统计量的优良性;随后模拟了五种污染率下的时序数据,分别用三种检测法对其中的异常点进行检测,发现稳健检测法准确率最高;最后用R语言对上海黄金交易所2008年1月2日至2013年3月29日含金量为99.99%的黄金交易收益率的异常现象进行稳健检测,结果显示本文提出的稳健检测法比传统的检测法对异常点检测能力显著提高,并且能更好的捕捉到我国金融市场的异常特点。该方法不仅对于金融风险的研究具有理论上的意义而且对金融时间序列的稳健建模具有一定的参考价值。