京东小金库收益波动率的GARCH类模型构建

鉴于互联网金融对经济发展起着越来越重要的作用,针对收益波动率的分析已成为当下热点话题,提出基于互联网理财产品收益波动率的研究。首先选取京东小金库(嘉实)七日年化收益率作为研究对象;其次运用ADF检验、自相关性检验等方法仔细分析数据特征,得出收益率具有非平稳性、自相关性、尖峰厚尾、波动集聚性、异方差性等特征;最后基于数据特征分析结果对收益率构建了基于GED分布的TGARCH(1,1)和EGARCH(1,1)模型,通过ARCH效应检验以及模型输出结果,得出上述模型可以很好地拟合数据的结论;分析模型结果发现:京东小金库收益率存在反杠杆效应,即当市场上出现"利好消息"时,收益率波动更明显。     

GARCH模型分析股票市场的波动性

本文全面比较了描述波动率的各种模型以检验各种模型设定在改善模型表现、降低模型误差方面的作用并运用GARCH族模型对深证成指收益率的波动性进行研究,分析了我国股市波动性的特点。通过比较发现对于深市股指收益率的波动性,EGARCH（1,1）模型能很好的拟合。同时还对股指收益率的波动性进行了预测分析。     

基于R/S检验、ARFIMA模型和小波方差的人民币汇率长记忆性检验

分别应用R/S检验、ARFIMA模型和小波方差对人民币兑美元名义汇率收益率序列的长记忆性进行检验.根据R/S统计量计算出Hurst指数为0.573 745 1,采用ARFIMA(2,d,1)模型对人民币汇率收益率序列进行拟合的效果比较好,其分数差分参数为0.145 7,利用Haar小波对人民币汇率波动绝对值收益率序列进行最大重复离散小波变换,得出其长记忆性参数为0.393 1.3种方法的研究结果均表明人民币兑美元名义汇率收益率序列存在长记忆性.     

基于ARFIMA模型的内蒙古农林牧渔业总产值研究

根据1947~2011年内蒙古农林牧渔业总产值的数据,运用时间序列分析对数据进行定量分析.以分数阶差分方法代替传统的整数阶差分方法,最大程度地保留了序列的原始信息;通过分数阶差分使数据平稳,经白噪声检验后,用ARFIMA模型进行模型拟合;根据拟合模型对内蒙古农林牧渔业总产值进行预测,结果显示,模型的拟合结果较准确,误差在可控范围之内.     

高频连涨连跌收益率的分位点Granger因果检验与条件VaR估计

分析了上证综指和深圳成指1min高频数据的连涨连跌收益率及相应持续期的平稳性,对它们的分布进行了指数分布、Gamma分布和Weibull分布拟合,发现拟合效果不好.基于分位点Granger因果关系检验,分析了连涨连跌收益率的影响因素,研究结果表明,大的连涨后跟着大的连跌的可能性较大,但是连涨极端收益率不受上一过程的连跌收益率的影响;上一个连涨连跌收益率的持续期越长,连跌收益率的风险越小;上一个连涨过程的持续期越长,下一个连涨过程的极端收益越小,而连跌过程的持续期对连涨的极端收益不存在影响.最后对连跌收益率的条件VaR进行了预测,结果表明分位点回归模型对条件VaR的预测效果较好.     

可修复系统故障数据分析模型与方法研究

根据随机过程与统计假设理论,在分析可昨系统故障数据特点的基础上,阐述了可修复系统故障数据的可靠性分析模型,并根据现有检验分析方法,提出了集趋势检验、拟合性检验,有效性检验和指数性检验于一体的综合检验方法,用于对故障数据分析模型进行检验与判别,同时给出了检验程序框图,进行了实例分析。     

基于ARFIMA-GARCH模型的黄金价格分析及预测

通过对上海黄金交易所现货黄金Au99.95品种2007年1月4日到2014年2月28日共1736个交易日的收盘价格的研究,发现上海黄金交易所黄金收益率序列具有长期记忆性,其残差具有明显的波动集聚性。利用时间序列的相关理论,并通过EVIEWS6.0及MATLAB软件对序列进行分析,建立ARFIMA-GARCH模型,此模型反映了黄金收益率序列的长记忆性和波动集聚性,并对黄金收益率序列进行预测。结果显示,预测结果与实际价格拟合度高,预测误差较小。该模型可以更加准确地描述黄金价格序列的动态特征,通过此模型可以使黄金投资者和生产者更加了解黄金价格序列的特点。     

空管自动化系统Eurocat-X软件可靠性建模分析

本文针对空管自动化系统Eurocat-X,收集其使用过程中的失效数据,根据软件可靠性模型的建模过程对数据进行分析,通过非线性回归得到一个基于此软件的可靠性模型,并检验其拟合程度。     

基于ARIMA模型对我国外汇储备余额的预测分析

选取我国1965～2018年外汇储备数据进行分析,预测我国外汇储备规模的变化趋势。首先,对时间序列数据进行平稳性检验和白噪声检验,通过二阶差分消除长期趋势的影响。其次,根据序列相关图和自相关系数识别拟合AR(2)模型。再次,对AR(2)模型和参数分别进行显著性检验,重新拟合零均值的AR(2)模型。最后,对我国外汇储备规模进行预测。结果表明:未来5年我国外汇储备余额将保持持续下降的趋势。     

深证成指日收益率波动的实证研究

应用GARCH模型对深证成指日收益率从1991年4月3日到2006年3月12日共3 695个数据进行了拟合,结果表明GARCH模型能够很好地拟合日收益率时间序列,拟合后残差序列的均值、标准差、偏度、峰度、J-B统计量等都有明显改善,同时也发现波动具有明显的持续效应.     

汇率收益率短记忆性与长记忆性特征的研究

采用Q检验,经典R/S分析法以及ARFIMA模型对人民币和欧元汇率收益率序列的记忆程度进行研究,结果表明人民币汇率收益率虽然不存在显著的短记忆性,但长记忆特征比较显著,而欧元汇率收益率虽然存在短记忆特征,但不存在显著地长记忆性,说明了欧元外汇市场的成熟和人民币外汇市场的低效,因此,对两种汇率收益率序列的拟合预测需建立不同的数学模型.     

湖北省人均 GDP 的 ARIMA 模型及预测

介绍求和自回归移动平均模型ARIMA（p,d,q）的模型拟合方法,利用SAS统计软件实现模型的拟合。采用时间序列分析方法,对湖北省1978～2013年人均GDP的数据进行分析。通过对数据平稳性检验、模型参数检验、白噪声检验等分析,建立了ARIMA（1,1,0）时间序列模型,并对未来十年的湖北省人均GDP数据进行预报。     

基于Copula的沪深股市相依结构与相关模式研究

针对传统Pearson线性相关系数与Granger因果分析法的不足,采用一种特殊的相关性分析方法—Copula函数方法对沪深股市相关结构与相关模式进行研究。首先用核密度估计方法对Copula函数的边缘分布进行估计,再结合秩相关系数对数据拟合较好的Copula函数进行选择,最后用离散L2范数评价方法对其拟合程度进行检验。研究发现,t-Copula可以较好地拟合沪深股市的日收益率序列,沪深股市日收益率序列呈现出较强的相关性以及对称的尾部相关性,当沪深两市出现大幅震荡时,两市收益率的协同作用将大幅增强。     

基于不同误差分布下ARMA—GARCH模型的国债指数实证研究

根据上证国债指数收盘价数据的特征,对其收益率序列建立误差分布为正态、GED和t分布的ARMA—GARCH模型．比较不同分布条件下的拟合效果,得出误差分布为GED和t分布时,模型的拟合效果优于误差分布为正态分布的情况．应用交叉验证法对预测效果进行比较,得出误差分布为t分布的ARMA—GARCH模型预测效果最优．同时,在模...     

基于GARCH族模型的我国股市波动性研究

选取1996年12月16日到2015年5月19日期间上证综指和深证成指日收益率数据,建立二变量指标的GARCH模型、TARCH模型和EGARCH模型,对我国股市的波动性进行实证分析.结果发现:EGARCH模型能较好地拟合沪深两市日收益率波动的时间序列,而且我国股市存在显著的非对称性,表现为股票市场上投资者对利好消息的反应小于对同等程度的利空消息的反应.     

基于多因子差值模型的开放式基金评价研究

文中提出了一种研究开放式基金的多因子差值绩效评价模型。首先,根据行业分类准则,拟合出中国证券市场的多因子系数,计算各行业股票的超额收益率;其次,将各基金十大重仓股的实际收益率,与行业超额收益率对比,重新构建十大重仓股,并以此作为评价基准,建立基于多因子的差值模型,用以计算实际收益率偏离基准的程度。最后,基于文中提出的评价模型,选取603只股票型开放式基金的截面数据进行实证分析,并与已有的三因子模型进行了比较。结果表明,基于多因子的差值模型可以较好的衡量基金的绩效表现,样本基金的投资组合表现较差,实际投资风格趋同,基金经理人大多缺乏控制风险的能力。     

煤溶剂萃取动力学研究

根据传质理论建立煤溶剂萃取动力学模型,将可萃取物在煤中的最大含量作为模型参数,该参数可由实验数据趋势值和最大实验值两种方法求取。以苯对富含低分子物质褐煤的萃取数据对模型进行检验,结果表明,该模型能较好地拟合试验数据,用最大实验值法求取的模型参数拟合程度更好。     

煤溶剂萃取动力学研究

根据传质理论建立煤溶剂萃取动力学模型,将可萃取物在煤中的最大含量作为模型参数,该参数可由实验数据趋势值和最大实验值两种方法求取.以苯对富含低分子物质褐煤的萃取数据对模型进行检验,结果表明,该模型能较好地拟合试验数据,用最大实验值法求取的模型参数拟合程度更好.     

基于HMM的VaR风险度量及其实证分析

文章基于隐马尔科夫模型(HMM)提出了度量金融资产风险价值(VaR)的HMM-ARMA-GARCH模型。首先对金融资产收益率序列建立正常状态和异常状态的隐马尔科夫模型,使用期望最大化算法估算出模型中的未知参数,再利用Viterbi算法估算出收益率序列所对应的隐状态序列,根据隐状态序列把收益率序列数据分成正常状态类序列和异常状态类序列2个大类,对2个状态类序列分别建立ARMA-GARCH模型来估算VaR。最后利用该模型和传统的ARMA-GARCH模型对上证企债指数进行了实证分析,采用Ku-piec失败频率检验法对VaR的准确性进行检验。实证结果表明,该模型的VaR计算方法具有较好的估计效果,能够有效地降低GARCH模型高估波动持续性的现象。     

基于Copula模型的股市收益率与成交量的相关分析

建立了基于AR(1)-GARCH(1,1)的Gumbel Copula模型,并以此为基础刻画了中国房地产股市收益率与成交量之间的相关性.通过AIC信息准则进行拟合优度检验发现,Gumbel Copula函数模型能够更好地刻画收益率与成交量之间的相关结构,收益率与成交量之间存在上尾高的非对称相关,以及很弱的正相关的特征.