关于股票数据波动性的多变点研究

目前对金融时间序列模型结构变化问题主要集中于对单变点的研究,但在许多情况下,金融数据可能出现多个变点,因此,对实际问题的研究需要检验多变点的存在,需要对变点的个数以及变点发生的时刻作出估计.本文讨论了股票数据均值的多变点检验问题.在原假设下给出统计量的极限分布及渐近临界值的解析表达式.并且在递归检验的过程中同时得到变点时刻与变点个数估计.最后用实例分析说明了方法的有效性.     

几何分布中变点的贝叶斯分析

文章首先利用二分分段法将几何分布多变点模型转化为单变点模型或无变点的模型,再将几何分布的变点问题转化为统计推断的问题,计算该模型的贝叶斯因子并得到未知参数的后验密度函数,利用MATLAB软件随机模拟,结果显示上述方法可以准确估计几何分布中变点的个数和位置。     

基于经验欧氏似然的线性回归模型变点检测

基于截断的经验欧氏似然比对线性回归模型中的系数变点进行检验与估计.首先建立线性回归系数变点模型,根据其特点构造截断的经验欧氏似然比检验函数,证明在零假设下,该检验统计量的极限分布与经典参数对数似然比检验统计量的极限分布相同,利用此极限分布对变点存在与否做出诊断,若变点存在,则给出变点位置的估计,并证明在一定条件下,该估计是具有相合性的,数值模拟结果以及实例分析表明文中提出的方法具有有效性和实用性.     

缺失数据下Logistic回归多变点模型的贝叶斯估计

利用随机的方法填充了缺失数据,获得了Logistic回归多变点模型的完全数据似然函数.研究了变点位置等未知参数的满条件分布.利用筛选法和Metropolis-Hastings算法对参数进行抽样,把Gibbs样本的均值作为参数的贝叶斯估计.随机模拟的结果表明估计的精度较高.     

正态分布均值变点的小波检验和估计

本文探究的是方差不变的条件下服从正态分布的随机序列均值变点问题,利用小波方法检测和估计均值变点.考虑存在一个或多个均值变点,利用小波方法构造检测均值变点的统计量,并且估计均值变点的个数、位置以及跳跃度,最后通过模拟仿真验证有限样本下本文方法的有效性.     

基于信息准则的连涨连跌收益率变结构分析

文章主要运用Schwarz信息准则(Schwarz information criterion,SIC)对上证综指连涨连跌收益率进行变结构分析,选用1992年5月至2015年5月近6 000个交易日的对数收益率数据,基于信息准则,检验该段时间内连涨和连跌收益率是否发生结构变化。如果发生结构变化,估计发生结构变化点的个数以及相应的变结构点位置,并探讨发生变结构的背后影响因素,并对连涨连跌收益率的不同变化情况给予解释。     

艾拉姆咖分布参数变点的统计推断

基于艾拉姆咖分布,利用CUSUM方法,讨论参数θ变点的假设检验与参数估计问题.首先定义参数变点检验统计量T_k,得到检验变点的方法.然后证明变点位置估计的强相合性,同时给出收敛速度.最后利用数值模拟说明检验的合理性和有效性.     

基于广义可加模型的波动率估计方法

放宽了传统GARCH模型参数形式的假定,将广义可加模型引入条件方差的估计,改进了[Bhlmann P,McNeil A J.An algorithm for nonparametric GARCH modelling.Computational Statisticsand Data Analysis,2002,40(4):665-683]提出的迭代算法并将其用于可加GARCH模型的估计.通过能够控制真实波动率的数学模拟实验,分别用样本内和样本外估计的方法说明了可加GARCH模型在估计现有参数模型无法刻画的复杂序列波动率时具有更好的估计效果,而与非参数模型相比,可加GARCH模型也有较好的估计效果.通过一个推断波动特征的算例,表明了可加GARCH模型对研究新兴市场股市或者处于金融危机中的股市等存在复杂波动特征的金融市场波动率有着非常现实的意义.     

泊松序列中变点的贝叶斯分析

利用二分法将含有多个变点的泊松序列进行分割,将泊松序列多变点问题转化为没有变点和仅有一个变点的问题,运用贝叶斯因子进行模型比较.选用上证指数数据,结合贝叶斯因子对存在变点的模型进行了检验.     

基于修正ICSS算法的时间序列方差结构突变研究

运用修正的ICSS算法研究了上证A股的股票资金流强弱指数方差结构性变点,并对上证A股2003年5月22日至2015年5月22日的日交易数据序列进行检测,得到了23个突变点;根据时间序列分析方法,将所得到的变点作为虚拟变量加入GARCH模型中进行模型分析。结果表明:上证A股资金流强弱指数是平稳的非正态时间序列;未加入方差结构性变点的GARCH(1,1)模型,序列波动具有很强的持续性,加入作为虚拟变量的方差结构性变点的GARCH(1,1)模型拟合效果更好,序列波动持续现象显著减弱,结构突变效应已被虚拟变量所捕获。     

一类混合的广义GARCH模型的概率性质

提出了一类混合的广义GARCH模型,利用随机差分方程的一些结果,研究了三种不同类型的ME-GARCH模型,得到了它们的平稳条件和尾行为。     

基于Copula GARCH MMBP的Monte Carlo期权定价方法

本文将与两种指数相关的股权挂钩票据的定价问题转化为期权定价问题,提出了一种基于Copula模型的Monte Carlo期权定价方法.针对两组对数收益率序列的相关性结构,本文运用Copula GARCH 模型进行了拟合,并采用修正的极大似然估计方法对模型的参数进行了估计.作为应用,本文对汇丰银行发行的一种股权挂钩票据进行了定价和利润分析.     

上证综指波动率的估计——基于GARCH（1,1）模型的研究

波动率是测度风险的重要变量,在金融领域中占有至关重要的地位。采用GARCH（1,1）模型研究了上证综指的波动率。研究结果表明GARCH（1,1）模型能够准确地估计1年以上股市的波动率。     

中美棉花期货价格波动特征的比较研究

利用GARCH（1,1）模型和EGARCH（1,1）模型分别对中国和美国棉花期货价格的波动特征进行对比分析。结果表明,从总体看郑州和纽约棉花期货市场都具有价格波动剧烈的特点,郑州棉花期货市场收益波动不具有杠杆效应,证明中国的棉花期货市场还不够成熟。     

GARCH-neural网络模型对股票价格买卖差波动率的预测

股票价格买卖差是衡量金融市场流动性和有效性的重要指标,已经得到学术界的广泛研究.相比而言,作为衡量股票市场风险的重要因素的股票价格买卖价差的波动率却没有得到相同的重视.在广义自回归条件异方差(generalized autoregressive conditional heteroscedasticity,GARCH)模型的基础上,提出了GARCH-neural network (GARCH-NN)混合模型分析股票价格买卖价差波动率的动态性.以深圳证券交易所成分股价指数的高频数据为样本对所提模型进行了实证分析.运用GARCH家族模型对股票价格买卖差波动率的动态性进行分析,得出预测效果最优的GARCH模型.在最优GARCH模型的基础上结合神经网络分析方法即GARCH-NN混合模型对样本数据进行了实证分析.比较分析最优GARCH模型和GARCH-NN混合模型对股票价格买卖差波动率的预测效果,并以AIC(Akaike information criterion)和BIC(Bayesian information criterion)作为检验模型预测效果的指标.实证结果表明,提出的GARCH-NN混合模型更优.     

VaR和ES尾部风险的比较分析

近年来,风险值(VaR)已成为一种重要的度量市场风险的测度,但它存在一些概念上的缺陷,因此人们在VaR的基础上又提出了两种新的度量市场风险的测度:尾部条件期望(TCE)和期望损失(ES).该文运用极值理论中的POT模型和正态分布GARCH(1,1)模型比较了VaR和ES的尾部风险,结果验证了ES比VaR有更小的尾部风险.     

基于分阶段GARCH模型中国B股市场波动性比较

2001年2月19日,中国B股市场对国内居民正式开放,大量国内投资者涌入B股市场,对B股市场的风险结构产生了不可忽略的影响.对2001年2月19日前后2个阶段的深圳B股指数收益序列以及整个考察期内B股指数收益序列建立恰当的GARCH模型,比较模型的参数估计,从实证的角度证实了分阶段的合理性和必要性,同时发现中国B股市场的投资环境在逐渐变好,并且越来越遵循市场规范,正在向较成熟市场发展.     

GARCH模型和SV模型对深圳股市的比较

文章采用GARCH模型和SV模型对深圳股市进行了实证分析;结果表明,基本SV模型较GARCH(1,1)模型能更好地拟合实际金融时间序列数据;从总体上来说,基本SV模型的预测效果优于GARCH(1,1)模型。     

广义自回归条件异方差模型加速模拟定价理论

研究了广义自回归条件异方差(GARCH)模型下方差衍生产品的加速模拟定价理论.基于Black-Scholes模型下的产品价格解析解以及对两类标的过程的矩分析,提出了一种GARCH模型下高效控制变量加速技术,并给出最优控制变量的选取方法.数值计算结果表明,提出的控制变量加速模拟方法可以有效地减小Monte Carlo模拟误差,提高计算效率.该算法可以方便地解决GARCH随机波动率模型下其他复杂产品的计算问题,如亚式期权、篮子期权、上封顶方差互换、Corridor方差互换以及Gamma方差互换等计算问题.     

GARCH模型和ECM模型对沪深两市预测的比较分析

GARCH模型反映了经济变量之间特殊的不确定形式：方差随时间变化,所以在金融市场的预测和决策有着重要的作用。鉴于股票和房地产这两个重要的经济指标,本文选择上海和深圳两地的股票收益率的波动性作为研究对象,建立了GARCH模型及其主要变化形式,结果表明基于T分布的GARCH（1,1）模型更好模拟了实际值。另外,本文还对上海,深圳的股市进行协整分析,建立了相应的误差修正模型并对其预测,预测效果比基于T分布的GARCH（1,1）模型更好。