基于GARCH-JSU分布模型对风险价值评估的实证研究

针对上证综合指数一天的风险价值,本文在GARCH模型框架下,通过一种新的分布形式——Johnson SU分布对其进行评估,经与正态分布、学生t分布及广义误差分布进行对比发现,Johnson SU分布对风险价值的预测效果最佳。通过Kupiec失败频率检验和相对误差两个指标对模型进行综合评价发现,Johnson SU分布不仅在任意置信水平上均通过了Kupiec失败频率检验,还与正态分布、学生t分布及广义误差分布对比,Johnson SU分布的相对误差也达到了最小。     

汇率制度改革后的人民币汇率风险度量

汇率收益率存在以下典型特征:尖峰厚尾、偏斜和波动聚集性。因此,本文考虑两种厚尾分布,即t分布和广义误差分布;并引入一种门限GARCH模型——GJR模型来实现VaR的动态建模。实证研究表明,基于广义误差分布和GJR模型的VaR模型具有最优良的性质。     

基于GARCH族模型的VaR方法对上证综指的研究

本文结合GARCH族模型的VaR在险价值方法对上证综指进行了实证研究。分析发现,上证综指日收益率时间序列满足ADF单位根检验,具有很好的平稳性;基于广义误差分布（ GED）和t分布假定下, VaR在险价值方法与GARCH族模型的结合更好的反应了股市收益率的风险特征。     

沪深300指数收益率实证分析——基于不同分布的GARCH模型

文章采用ARMA模型来描述沪深300指数收益率序列,GARCH(1,1)模型用来拟合误差。文章对深300指数收益率序列分别建立误差分布为正态分布,GED分布和t分布的ARMA-GARCH(1,1)、GARCH(1,1)模型。实证结果表明:我国股票市场具有异方差性、尖峰厚尾的特征。文章讨论了GARCH类模型的参数估计方法和结构形式,实证分析发现,基于GED分布和t分布的模型相比正态分布的模型有一定优越的表现。     

沪深300指数风险价值分析——基于PARCH-VaR方法

由于我国的沪深300指数收益率序列呈现出三种特性:左偏、尖峰厚尾和波动聚集,PARCH模型可以更完美地刻画序列的分布特征。本文利用PARCH模型对指数收益率序列进行拟合,建立PARCH-VaR模型,用以评估中国沪深300指数的风险。研究结果表明,如果假设残差同时服从三种分布:正态分布、t分布和广义误差分布,基于广义误差分布的PARCH模型计算的VaR值最能够客观地反映中国沪深300指数的风险问题。     

股票价格对信息的非对称调整实证研究

运用非对称自回归对数广义异方差模型(asAR-EGARCH),通过对上海股票市场和深圳股票市场1997年9月1日到2003年8月29日的日收盘指数进行实证研究,验证了上海、深圳股票市场对信息的是否存在非对称反应,实证结果显示:上海股票市场和深圳股票市场都存在杠杆效用;从条件均值和条件方差两方面来看,上海股票市场和深圳股票市场对信息调整都是非对称性的。实证结果支持股票市场对信息存在非对称调整的理论假设。     

沪深股指收益率分布特征拟合检验研究

为更深刻地揭示沪深股指收益率特征,本文提出两成分混合广义正态分布及其退化分布、非对称广义正态分布及其退化分布等8种分布,对上证综指(SSEC)和深证成指(SZCZ)日收益率数据进行拟合对比分析。通过拟合评价和VaR度量发现：对于上证综指,用非对称广义正态分布更好地拟合日收益率数据的尖峰厚尾带偏特征;对于深证成指,用两成分混合广义正态分布更好地拟合日收益率数据的尖峰厚尾带偏特征。在进行沪深股指波动率预测、资产定价和风险度量时,建议选择非对称广义正态分布和两成分混合广义正态分布进行对比分析,进一步提高其准确性。     

上海银行间同业拆放利率波动性研究

波动率是利率期限结构模型的重要因素。考虑到利率条件方差间的序列相关性和波动的非对称性,本文采用CKLS-EGARCH(1,1)模型对利率的波动进行建模,并分别估计了三种不同分布假设(正态分布、学生t分布和GED分布)下的模型。比较三者的拟合效果发现,GED分布假设下的CKLS-EGARCH(1,1)拟合效果最佳。     

银行间同业拆借利率风险测度研究——基于VaR模型

随着我国利率市场化的推进,商业银行暴露出越来越多的利率风险,探寻符合我国市场实情的利率风险测度方法显得十分必要。采用VaR模型进行实证分析,实证研究以银行间同业拆借市场利率作为观测数据,采用基于正态分布、t分布和GED分布假设的GARCH、TARCH和EGACH模型进行估计,得到如下结论:(1)基于GED分布的TARCH模型拟合效果最好;(2)t分布假设存在着高估利率风险的可能性;(3)相比于Norml和t分布假设,GED分布假设更符合于残差序列的实际分布;(4)银行间同业拆借市场存在着较大的利率风险,银行需要加强利率风险管理。     

国内外黄金现货市场波动特征与风险度量

近十年来,国内外黄金现货市场收益率均表现出尖峰厚尾和波动聚集性特征。但与一般金融资产负的冲击具有非对称效应不同,黄金现货市场利好消息对波动的影响更大,且国内比国外市场有更显著的杠杆效应。在波动性特征方面,学生t分布对国内市场收益率描述效果更佳,而GED分布更适合国际市场;在市场风险度量方面,VaR-GJR-GED模型在国内和国际黄金现货市场风险研究上有很好的风险度量效果。     

基于波动阶段划分的我国期铜市场长期记忆性实证研究

金融市场通常由于波动结构性突变的存在而出现伪长记忆性现象。运用ICSS算法寻找方差突变点进行阶段划分，运用V／S分析法对我国期铜市场波动阶段前后的长期记忆性进行检测和比较，并利用FIGARCH模型对波动序列的长期记忆性进行建模估计。研究结果表明，我国期铜市场存在全程长期记忆性；阶段划分后序列的长期记忆性显著降低；期铜波动的FIGARCH模型具有更优的拟舍效果和预测能力。     

中国商品期货市场的风险价值模型及其后验分析

本文以中国商品期货市场的3类主要期货价格指数为研究对象,探讨了当期货收益同时存在波动聚集性、非对称杠杆效应以及条件有偏和尖峰胖尾特征状况下的市场风险价值(VaR)计算模型。同时,运用更加严谨和稳健的动态分位数回归(Dynamic quantile regression)检验法,对各类不同波动模型和收益分布假定下的VaR估计精度进行了全面的后验分析(Backtesting)。实证结果发现,中国商品期货市场的价格波动不存在显著的杠杆效应。但是,假定条件收益服从有偏学生分布(Skewed student distribution)的波动率模型具有较好的风险测度精度。     

基于VaR-GARCH模型的国际原油期货风险分析

基于金融时间序列的实际分布的尾部明显更厚,而峰度则更高的特征,可以运用在不同的分布假定下的GARCH模型的VaR计算方法来对市场的风险进行分析。利用GARCH族模型以国际原油期货的日收益率数据分别在t-分布和广义误差分布(GED)条件下来度量原油期货的在险价值VaR。在验证了多个模型和二种分布组合之后,得出了GARCH(1,1)-t分布模型对原油期货能较好的拟合和反映出国际原油期货收益率的风险特征性。     

基于EGARCH模型的SHIBOR隔夜拆借利率波动性研究

本文利用2009年1月4日至2014年3月18日的SHIBOR隔夜拆借利率数据作为研究对象,通过建立ARMA-GARCH模型对其波动性进行实证研究。结果表明：广义误差分布假设下的AR（1）-EGARCH（2,1）模型可以有效地刻画其动态特性;SHIBOR隔夜拆借利率波动存在反杠杆效应,即利率上升时的波动更大。最后在实证研究的基础上,尝试对收益率序列“反杠杆效应”进行了理论解释,并提出相关政策建议。     

基于VaR金融市场风险测度的实证研究

VaR方法是近年来国外兴起的一种金融风险管理工具,目前已被全球各主要的银行、公司及金融监管机构接受为最重要的金融风险管理方法之一。本文收集了2004年1月-2012年8月的沪市每日收盘数据,对其进行统计分析和检验,针对金融市场因子时间序列的厚尾性和波动聚类性,引入GARCH和EGARCH模型,分别对正态分布,t分布,GED分布下的模型做预测,并进行了事后检验,得出t分布和GED分布优于正态分布的结论。     

基于马尔科夫模型的期货市场收益率波动预测研究

随着全球经济一体化,仅对收益率进行预测已不足以应对日益复杂的市场风险,若能对金融市场的波动性进行准确预测,可抑制投资者在规避风险和进行套期保值时的过度投机和操纵市场行为.本文以大豆2号期货市场和黄金期货市场作为研究对象,比较不同分布下GARCH类模型对大豆2号与黄金期货市场波动的刻画能力,选择最优模型预测大豆2号期货和...     

基于EGARCH模型对香港恒生指数的实证分析

根据股票收益率的基本特性,基于正态分布、t分布和GED分布,对香港恒生指数日收益率序列建立EGARCH模型,进而以实例论证分析香港恒生指数。论证结果表明,基于GED分布假定下的EGARCH模型能更好的反映收益率的风险特性。     

基于初始条件优化的GM(1.1)模型在黑龙江省GDP预测中的应用

鉴于GDP是衡量一个地区经济发展程度的重要指标,若能对该地区的GDP的未来趋势做出尽可能精确的预测,则对该地区未来经济发展政策的制定和实施都有着积极的作用。从减少预测误差为出发点,利用对传统GM(1. 1)预测模型初始条件的选择进行优化,建立了预测精度改善的基于初始条件优化的GM(1. 1)模型,并利用优化的GM(1. 1)模型结合黑龙江省近些年的GDP数据对黑龙江省未来几年的GDP发展趋势进行了预测,并依据预测结果提出了黑龙江省经济发展的建议。     

上市公司财务危机预测的最小二乘支持向量机方法研究

现有上市公司财务危机预测方法常常需要线性假设或正态分布、等协方差假设,模型参数选择原则一般都采用经验风险最小。本文研究了上市公司财务危机的最小二乘支持向量机(LS-SVM)预测方法,此方法基于研究小样本的统计学习理论,它不需要特殊假设作为前提,选用结构风险最小原则确定预测模型参数,不仅使得经验风险最小,也使期望风险最小,从而对未来样本有较好的泛化能力。同时,给出了模型参数的显式计算公式。因此所提预测方法计算简单,速度快,预测精度高。实例计算结果证实了所提方法的可行性、有效性、实用性。     

基于非节假日Elman神经网络的电力负荷短期预测

为降低节假日对预测工作的影响,将剔除法定节假日后的样本作为预测样本。以最大相对误差、平均绝对误差以及均方根误差作为模型的衡量指标,通过建立广义回归神经网络、小波神经网络与Elman神经网络预测模型对预测样本进行预测,最后仿真结果表明Elman神经网络预测模型能更好地提高预测精度。