我国汽车类样本上市公司股改事件窗中的风险与绩效评估

股权分置改革是中国股票市场的一场革命及重要的金融事件,它能够推动资本市场的改革,选取了两个具有代表性已实施股权分置改革的集团公司:上海汽车和宝利来.分别对两个集团公司在股改事件窗中的股票收益序列建立了合适的GARCH类模型.通过模型的实证结果得出股改后上海汽车和宝利来的收益水平均有很大的提高,而且股票价格波动对信息的反应更加灵敏,我国股票市场有效化程度显著提高.     

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。     

The functional central limit theorem for linear processes with strong near-epoch dependent innovations

This paper discusses linear processes with innovations exhibiting asymptotic weak dependence by being strong near-epoch dependent functions of mixing processes. The functional central limit theorem for the normalized partial sum process is established. The conditions given essentially improve on existing results in the literature in terms of the “size” requirement for the amount of dependence. It is also shown that two important econometric models, ARMA and GARCH models, are strong near-epoch dependent sequences.     

基于结构突变的波动率分解模型

在Heston-Nandi模型的基础上提出了一种波动率分解模型,分解模型同时考虑了金融波动的长记忆性和杠杆效应.从资产收益率的无条件方差发生结构突变出发,认为收益率的无条件方差随时间变化,将波动率分解为长期影响和短期冲击两部分,其中长期影响用来刻画波动率的持续性,短期冲击刻画金融波动的短期扰动.上证综指数据实证表明上海证券综合指数收益率序列的波动性同时具有长记忆性和杠杆效应,利用模型能很好的刻画这两种性质.     

Gram-Charlier展开在动态金融高阶矩建模中的近似误差

Gram-Charlier展开(GCE)在动态条件高阶矩GARCH模型中得到了广泛应用。相比于常见的分布,GCE的高阶矩形式更加直观,能更直接地刻画条件高阶矩的动态特征。此展开函数并不非负,在实际应用时需要平方并归一化,但已有文献大多忽略此处理后高阶矩所发生的变化。本文研究了平方处理方法对展开函数高阶矩的影响,推导了正确的高阶矩形式。实证研究表明,用原始参数作为近似高阶矩会产生显著偏误,在VaR预测时会严重低估风险。     

Asymptotics for partly linear regression with dependent samples and ARCH errors: consistency with rates

Partly linear regression model is useful in practice, but little is investigated in the literature to adapt it to the real data which are dependent and conditionally heteroscedastic. In this paper, the estimators of the regression components are constructed via local polynomial fitting and the large Sample properties are explored. Under certain mild regularities, the conditions are obtained to ensure that the estimators of the nonparametric component and its derivatives are consistent up to the convergence rates which are optimal in the i. i. d. case, and the estimator of the parametric component is root-n consistent with the same rate as for parametric model. The technique adopted in the proof differs from that used and corrects the errors in the reference by Hamilton and Truong under i. i. d. samples.     

极值理论在风险度量中的应用--基于上证180指数

精确度量风险是金融风险管理的关键问题。本引入广义帕雷托分布代替传统的正态分布等，精确描述金融收益的厚尾特征。并将基于广义帕雷托分布的VaR模型和其它模型方法，如GARCH(1，1)、GARCH(1，1)-t、历史模拟法、方差-协方差方法，进行比较分析。实证研究表明，基于广义帕雷托分布的VaR模型比传统的模型方法更适合厚尾分布高分位点的预测，并且其预测结果比较稳定。这使得基于广义帕雷托分布的VaR模型成为VaR度量方法中最稳健的方法之一。     

基于MCMC算法的人民币汇率市场的分析——双门限非对称GARCH模型的应用

本文旨在考察,汇改后美元/人民币汇率前期收益的影响下,人民币汇率市场上非美元/人民币汇率收益均值和波动不对称的程度。为了捕捉非美元汇率收益的均值和波动不对称的特点,我们设定双门限非线性的GARCH模型,结合GJR效应(即加入非美元收益利空或利好消息的影响),利用基于MCMC算法的贝叶斯推断来完成。应用中我们选取了美元(欧元、日元、港元)/人民币日汇率数据进行分析,发现了门限非线性的结果,表明在美元和非美元汇率本身双重变化的影响下,非美元汇率收益的均值和波动同时表现出非对称的特点。并且在美元收益利好消息的影响下,美元汇率对非美元汇率的溢出效应明显增强,非美元表现出低均值回归的特点。     

基于GARCH模型的中美汇率实证分析

汇率制度改革后,加强人民币汇率风险管理已成为摆在各大经济主体面前的重大课题.基于2010年1月1日至2012年5月10日的美元对人民币日汇率值,利用广义条件异方差自回归(GARCH)模型,对中美汇率日数据进行处理与检验,得到了残差存在异方差性.在此基础上建立了汇率GARCH模型,实证分析表明精确性高.     

A semiparametric Bayesian approach to the analysis of financial time series with applications to value at risk estimation

GARCH models are commonly used for describing, estimating and predicting the dynamics of financial returns. Here, we relax the usual parametric distributional assumptions of GARCH models and develop a Bayesian semiparametric approach based on modeling the innovations using the class of scale mixtures of Gaussian distributions with a Dirichlet process prior on the mixing distribution. The proposed specification allows for greater flexibility in capturing the usual patterns observed in financial returns. It is also shown how to undertake Bayesian prediction of the Value at Risk (VaR). The performance of the proposed semiparametric method is illustrated using simulated and real data from the Hang Seng Index (HSI) and Bombay Stock Exchange index (BSE30).