金融计量的新近发展

这篇论文在一个统一的统计学框架内选择性地综述了时间序列金融计量学的部分最新发展.论题包括有效市场假说的检验,金融收益的预测,波动的聚类和溢出效应,风险值(VaR),统计密度函数预测,以及金融模型的诊断检验.对每一问题,我们讨论了合适的统计概念、模型和方法,以及它们在金融数据分析中的一些应用.     

小波变换在金融时间序列中的应用

文章从理论上分析了小波变换及其去噪原理,并建立小波去噪模型对金融时间序列进行去噪,并用上证指数和深圳综指两年的日收益数据进行实证分析,结构表明小波函数对金融时间序列进行去噪是非常有效地。     

ARCH类模型拟合我国股市波动的实证分析

股票价格的频繁波动是股票市场最明显的特征之一。在国内外长期的金融时间序列实证分析中，人们发现金融时间序列通常带有一些明显的特征：金融时间序列波动的集聚性，即在某些时间内波动十分剧烈，而在另一些时间内波动又相对平静；金融时间序列的收益率分布存在尖峰厚尾性，即收益率分布的峰度比标准正态分布的峰度高等。虽然大量的事实表明，短期金融资产价格及收益率是不可预测的，但研究表明，ARCH类模型可以成功预测金融资产收益率的方差。本文采用ARCH类模型对我国股票价格指数进行拟合，从而得出一些有益的结论和启示。     

我国社会消费品零售总额时间序列模型及预测

本文运用时间序列分析方法中的季节时间序列模型（SARIMA）,对我国社会消费品零售总额进行时间序列模型分析。分析结果显示,SARIMA模型较好地消除了时间序列的季节因素影响和趋势的变动,且通过模型对社会消费品零售总额做了预测,该模型可以提供较为准确的短期预测效果。     

上证指数的预测分析——基于ARIMA模型

本文通过以2013年11月3日至2016年11月18日上证指数的收盘价作为样本容量,构建ARIMA模型对时间序列进行预测分析.通过上证指数的时间序列图来判断其序列的平稳性,并根据单位根检验的结果进行差分,由此判断阶数,构建模型ARIMA(p,d,q),并对上证指数收盘价进行短期预测.通过研究分析,发现此模型能够作为金融投资的一个非常重要的工具,它具有良好的短期预测效果.     

从Altman的Z评分模型看金融数学的哲学性

现代金融数学飞速发展,数学在金融领域的应用越来越频繁,金融数学大有从经济学延伸为数学一个分支的趋势.应从Altman的Z评分模型开始,在列举和分析各种金融数学模型的基础上,从哲学角度评论金融数学模型在应用中的缺陷及我们应采取的态度.     

ARCH模型族对上证综指收益波动的实证分析

金融时间序列的波动呈现聚类现象,即方差随时间的变化而变化,而传统的金融计量经济学模型对它的描述较为简单。本文运用ARCH模型族对2005年7月21日人民币汇率改革至2009年10月20日上证综指日收益率序列进行了实证研究,对模型结果分析并提出了相应的建议。     

重庆市金融发展与经济增长关系的实证研究

本文基于资本对经济增长的促进作用,将资本分为实体资本存量和金融资本,再利用重庆市1997年至2013年金融和经济时间序列数据,通过格兰杰因果关系检验、VAR模型估计以及脉冲响应函数对经济增长和金融发展的关系进行了实证分析.结果表明:重庆市的金融发展对经济增长影响不显著;而经济增长对金融发展有显著的促进作用,说明重庆目前还处于金融系统运行效率偏低的阶段.     

计量经济学方法之时间序列分析

本文介绍了一元时间序列分析中常用的AR、MA、ARMA和ARIMA等经典模型,分析了这几个经典模型的理论要点以及单位根检验的方法和程序,总结了时间序列分析在预测等方面的优势及其在复杂科学管理中的应用,并以我国一月期国债回购利率和上证180月收益率为分析对象,介绍了一元线性回归分析的基本步骤。     

风险价值、压力测试与金融系统稳定性评估

压力测试衡量资产损失分布超过风险价值的部分,可以发现金融机构和系统在极端市场情形下的风险传导机制和风险承受力,是金融系统稳定性分析中的关键因素.本文分析了风险价值和压力测试的关系、压力测试在宏观金融分析中的实施步骤、压力测试模型和压力测试系统的应用,并对金融稳定性风险压力测试的未来发展进行了展望.     

基于ARIMA模型对中国波指的分析及预测

2015年6月26日中国金融市场在上海证券交易所正式公布中国首个波动率指数——iVX指数.它可以作为我国经济发展和金融活动的阴晴雨.在一定程度上为投资者的决策方向提供一些参考信息.本文选择时间序列分析中的ARIMA模型对2015年6月3日-2017年7月20日中国波指进行建模分析拟合,对iVX指数进行短期的预测,进而了解中国波指的未来走势.     

基于时间序列分析的黔西南州经济增长分析与预测--基于1978-2007年的黔西南州宏观经济数据

时间序列的预测方法有着广泛的应用背景,在解决经济发展,金融市场动态,气象预报和水文预报等领域的预测问题时,都可以利用时间序列的预测方法。结合黔西南的实际州情,本文采用EVIEWS统计软件及时间序列分析法对1978—2007年的黔西南州宏观经济数据进行了系统分析,构建了GDP序列的ARIMA模型,响应变量为GDP序列的ADL模型,对投资、消费对黔西南州经济增长的相互作用进行了实证研究,并预测黔西南州未来8年经济增长的变化趋势,相比之下组合模型在拟合和预测效果具有较高的可靠性、准确性和稳定性。通过对黔西南州的宏观经济动态模型ADL模型,我们掌握黔西南州的宏观经济系统的主要特征及其运行机制,GDP与投资、消费互相影响,互相促进;通过预测,我们了解和掌握了经济增长的变化趋势,能有效地对政策制定进行合理化建议。     

AR模型的贝叶斯分析及其应用

在经济时间序列分析中,AR模型作为自回归移动平均序列模型的一个特殊情况,应用最为广泛。在结合贝叶斯参数估计方法的前提下,分析介绍时间序列AR模型的条件似然函数以及相关模型参数的共轭先验分布,并在此基础上,重点研究了正态-伽马先验分布情况下该模型的贝叶斯推断理论,再通过选取江苏省的进出口的相关样本数据,运用WINBUGS软件进行AR模型的实证应用分析。     

跳跃随机波动的阈值模型风险值的贝叶斯估计

文章基于一类跳跃随机波动的阈值模型风险值估计贝叶斯分析,在给定先验分布下,以马尔科夫链蒙特卡洛方法估计模型中的未知参数,并给出了MCMC模拟算法,进而讨论了风险值的预测。根据模拟结果,我们得知,如果没有考虑金融时间序列的外生冲击导致的跳跃行为,将会高估风险值,因此考虑跳跃行为后,将增加风险值估计的精度。     

金融计量的新近发展

这篇论文在一个统一的统计学框架内选择性地综述了时间序列金融计量学的部分最新发展。论题包括有效市场假说的检验,金融收益的预测,波动的聚类和溢出效应,风险值(VaR),统计密度函数预测,以及金融模型的诊断检验。对每一问题,我们讨论了合适的统计概念、模型和方法,以及它们在金融数据分析中的一些应用。     

基于ARIMA模型的收盘价预测分析

本文旨在以时间序列模型为基础,选择爱尔眼科收盘价为研究对象,对其在2009年10月30日-2015年12.31日的除去部分缺失值后的1493个日收盘价数据采用R软件进行研究分析.在此,本文采用时间序列分析中的一种常见ARIMA模型进行相关的分析和预测,并对未来5天的日收盘价做短期预测.通过研究分析可知计算所得的平均相对误差范围均达到要求,则采用ARIMA 模型做股票价格预测是可行的.     

建立1949年至今总人口数时间序列模型

根据国家统计局各年度人口统计汇总,对总人口数时间序列进行分析,建立了1949年至今总人口数时间序列模型,并利用所得模型对照2009年中国人口预测,检测该模型正确率.     

金融计量的新近发展

这篇论文在一个统一的统计学框架内选择性地综述了时间序列金融计量学的部分最新发展。论题包括有效市场假说的检验，金融收益的预测，波动的聚类和溢出效应，风险值（VaR)，统计密度函数预测，以及金融模型的诊断检验。对每一问题，我们讨论了合适的统计概念、模型和方法，以及它们在金融数据分析中的一些应用。     

Asymmetric-Laplace-AGARCH-M模型下的股指风险研究

本文采用非对称Laplace分布来拟合具有尖峰、厚尾、有偏特征的金融收益率残差序列,利用AGARCH-M模型来描述金融序列波动的＂杠杆效应＂,提出了准确有效的Asym-metric-Laplace-AGARCH-M模型来度量金融收益序列的ES。通过实证分析表明,Asymmetric-Laplace-AGARCH-M模型能很好地度量金融收益风险。     

河北省旅游外汇收入时间序列建模及预测

本文在分析1984年至2011年河北省旅游外汇收入额年度数据的基础上,建立了旅游外汇收入额的ARMA(p,q)模型.首先针对序列的非平稳特征,对河北省旅游外汇收入额变量进行对数化处理,将时间序列的指数趋势转化为线性趋势,然后对序列继续进行差分处理,变成平稳序列,建立河北省旅游外汇收入时间序列的ARMA模型并对模型进行检验,最后将模型用于河北省旅游外汇收入的预测分析.实证结果表明:ARMA(1,1)模型提供了较准确的预测效果,可以用于未来的短期预测.