SV-GED模型在中国股市的VaR与ES度量及分析

从分析中国股市指数收益率的统计特征入手,以SV模型为基础,在多种分布情形下测算了沪深两市时变风险值V aR及ES。结果表明:基于GED分布的SV模型(SV-GED模型)较好地刻画了高频时间序列的尖峰肥尾性及波动集聚性与持续性等特性,并对两市指数进行较准确的预测,ES相比V aR能够较准确地估计尾部风险。     

GARCH模型在计算我国股市风险价值中的应用研究

主要讨论VaR模型中有关波动率的估计方法。通过拉格朗日检验（LM），发现上海股市的日收益率服从ARCH过程。分别采用GARCH（1,1）模型、RiskMetrics和移动平均法预测上海股市日收益率的波动性，计算每天的VaR。返回式检验表明，GARCH（1,1）模型比RiskMetrics和移动平均法能更准确地反映我国上海股市的风险。     

基于Levy过程修正GJR-GARCH模型的权证定价——对中国大陆和香港权证的实证研究

考虑股票收益率在GARCH模型下的非正态特征,以及收益率标准差序列的非对称特征,首先给出几种真实测度下服从Levy分布的条件异方差模型,接着对随机扰动项和波动率进行风险中性调整,最后通过蒙特卡罗模拟进行大陆和香港权证的实证.结果表明:Levy过程修正下的GJR-GARCH模型能够很好地捕捉到金融数据"跳跃特征"、"群聚现象"和"杠杆效应".同时,该模型显著提升了权证的定价精度.市场间对比显示,香港权证的定价精度高于大陆权证,且大陆权证的市场价格显著偏离无套利假设下的理论价值.     

基于Copula-GARCH-EVT的资产组合选择模型及其混合遗传算法

在非正态分布的条件下,M arkow itz的均值-方差资产组合选择模型存在不足。为此,以V aR和CV aR作为风险度量方法,EVT反映收益率的尾部分布,GARCH反映收益率的波动性,Copu la函数反映金融资产收益的相关性,构建了基于Copu la函数的资产组合选择模型。针对非正态分布条件下V aR非凸性和分布函数不连续性导致资产组合选择优化计算复杂、不精确的难题,设计了基于单纯形和传统遗传算法的混合遗传算法。最后,根据中国证券市场数据,采用该混合遗传算法对建立的资产组合选择模型求解。     

基于VS-MSV模型的金融市场波动溢出分析及实证研究

对于动态投资组合与风险管理来说，测定波动溢出效应是非常重要的。已有的资料显示SV模型比GARCH模型能够更好地刻画金融市场的波动，使用SV模型研究两个金融市场间波动溢出的文献并不多见，而使用多元SV模型研究多个金融市场间波动溢出则属空白。为了同时研究分析金融市场之间的波动溢出，作者在研究多元SV模型的基础上，建立了能分析判断波动溢出的模型——VS—MSV模型，并进行了实证分析。     

基于Lévy过程修正GJR-GARCH模型的权证定价——对中国大陆和香港权证的实证研究

考虑股票收益率在GARCH模型下的非正态特征, 以及收益率标准差序列的非对称特征, 首先给出几种真实测度下服从Lévy分布的条件异方差模型, 接着对随机扰动项和波动率进行风险中性调整, 最后通过蒙特卡罗模拟进行大陆和香港权证的实证. 结果表明: Lévy过程修正下的GJR-GARCH模型能够很好地捕捉到金融数据"跳跃特征"、"群聚现象"和"杠杆效应".同时, 该模型显著提升了权证的定价精度. 市场间对比显示, 香港权证的定价精度高于大陆权证, 且大陆权证的市场价格显著偏离无套利假设下的理论价值.     

CHIB市场SV模型与GRS模型的比较研究

利用中国银行同业间拆借(CHIB)市场数据,估计并比较了目前国际上普遍采用的SV模型和GRS,研究发现,在样本期间内GRS比SV模型能更好的描述利率的均值和波动行为,在样本期间外SV比GRS模型能更好的预测未来利率的走势,而GRS比SV模型能更好的预测未来利率的波动。     

基于 Bayesian-SV-SGT 模型的原油价格‘Value at Risk’估计

从分析原油现货市场收益率的统计特征入手,为更好地刻画原油现货市场收益率的尖峰厚尾、偏态及波动集聚性和持续性的波动特性,引入 SGT 分布来描述原油市场 价格的分布特征, 利用 SV模型来度量国际原油市场的价格波动率. 同时, 基于 Bayesian 原理,利用 MCMC 方法来解决 SV 模型的参数估计难题, 建立了 Bayesian-SV-SGT模型, 并对国际原油现货价格“VaR”(Value at Risk)进行了估计和分析.研究结果表明, 相对 GARCH 类-GED 模型而言, Bayesian-SV-SGT模型更好地刻画了原油现货市场收益特征,并能更加精确地刻画原油现货市场的价格风险.     

基于MCMC方法的两类波动模型的应用比较

采用中国股市数据，运用基于Gibbs抽样的MCMC方法对ARCH—GARCH模型族与SV模型族进行了比较分析．实证结果显示，无论是从收益率序列峰度系数的描述看，还是从平方收益率序列自相关函数的描述来看，SV模型族都优于GARCH模型族；进一步，基于t分布的模型模拟效果总是优于基于正态分布的模型，看出股市收益率序列并不服从正态分布，     

ARCH模型与SV模型之间的关系研究

讨论了在金融时间序列中广泛应用的两类波动性模型，即自回归条件异方差(ARCH)模型和随机波动(SV)模型的关系问题。通过随机微分方程研究了GARCH模型和SV模型的相互联系并得到结论：一个离散的EGARCH(1，1)模型在弱GARCH过程的条件下与一个离散的SV模型是一一对应的。在此基础上进一步讨论了EGARCH(1，1)模型和SV模型的单位根问题，结果表明，两类模型的单位根存在对应的关系，即二者的持续性能够通过随机报分方程的形式来传递，这一性质表明了二者之间存在本质的联系。     

基于贝叶斯原理的随机波动率模型分析及其应用

基于贝叶斯原理,对随机波动性模型进行研究,并将随机波动率模型应用股市风险价值VaR的估计与预测.针对中国股市数据进行的实证结果表明,与GARCH模型相比,随机波动率模型能更好地描述股票市场回报的异方差和波动率的序列相关性;基于随机波动率的VaR较GARCH模型的VaR具有更高的精度.     

基于Copula-SV模型的金融投资组合风险分析

基于正态Copula函数和SV模型,建立了正态Copula-SV模型,将其应用到金融投资组合风险分析,并与Copula-GARCH模型对金融投资组合风险分析方法进行了对比,结果表明,边缘分布的选择对变量的联合分布具有重要作用,Copula-SV模型比Copula-GARCH模型在刻画组合风险VaR值方面具有优越性。     

具有结构转换的GARCH模型及其在中国股市中的应用

引入具有结构转换(switching regime)的GARCH模型(简称SW—GARCH)，并利用上海股市收益进行实证研究，通过与GARCH模型下的结果相对比，表明SW—GARCH大大提高了对市场波动性的预测能力，为股价波动的变结构建模问题提出了一个新方法，从而解决GARCH及其他异方差模型的结构变化问题。     

GARCH模型在开放式基金中的实证研究

用GARCH模型及其推广模型，分析了我国华安创新基金收益率的波动情况。实证分析结果表明：华安创新基金收益率存在异方兰性和不对称的现象，用EGARCH-M（2，2）模型就能较好模拟该基金收益率的特征。     

基于GARCH扩散模型的权证定价

考虑了标的资产服从GARCH扩散模型下的权证定价问题. 首先,基于有效重要性抽样(EIS)技巧,给出了GARCH扩散模型的极大似然(ML)估计方法; 然后,以上证和深证综合指数数据为例, 利用EIS-ML方法估计了GARCH扩散模型,表明了EIS-ML估计方法的有效性; 最后,给出了基于恒生指数权证的实证研究. 结果表明:GARCH扩散权证定价模型比经典的Black-Scholes(B-S)模型具有更高的定价精确性.     

期货市场价格波动与市场弱有效性的检验与分析

通过对中国期货市场铜和铝两种金属期货品种收益率的分布与波动性进行实证分析，论证其时间序列存在ARCH效应；运用GARCH模型对两种期货品种进行了拟合分析和统计检验，结果表明这两个期货品种的波动性均具有很高的持续性，但上海铝期货的波动性相比于上海铜，其波动性受各种外部冲击的影响较大；通过GARCH(1，1)的市场有效性检验，论证中国金属期货市场尚未达到弱式有效，市场风险较大。