基于局部Whittle法的长记忆参数及变点估计

利用最小二乘法判别变点存在性以及估计变点个数,同时利用改进的局部Whittle法对长记忆过程的变点及长记忆参数进行估计,并将其应用于上证指数的实证研究.结果表明:上证指数日收益率的波动率序列在不考虑变点的情况下具有显著的长记忆性,而在考虑变点的情况下,其长记忆性并不显著.因此,考虑变点能够避免伪长记忆的存在.     

变点对状态空间模型预测的影响分析

利用变点理论对上证指数进行了分析,得到了全涨全跌股指的变点个数及其所处位置．根据上证指数变点个数的不同,分别对三个不同时段的上证指数建立状态空间模型,通过比较预测结果,得出变点越少的状态空间模型,其预测精度越高的结论．最后在没有变点的情况下比较了ARIMA、自回归与状态空间模型的预测结果,说明了状态空间模型具有更好的预测效果．     

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.     

长记忆时间序列均值变点的比率检验

本文基于两种比率方法研究了长记忆时间序列均值变点的检验问题,在无变点原假设下推导出了检验统计量的极限分布,在备择假设下证明了检验方法的一致性.由于检验统计量的极限分布依赖未知的长记忆参数,还提出了一种避免估计长记忆参数的Sieve AR Bootstrap方法来近似计算检验统计量的临界值,数值模拟结果表明提出的检验方法具有较好的检验效果.最后通过分析一组尼罗河年径流量数据说明了方法的可行性.     

一种截断小样本的时变Copula模型的变结构点的诊断方法

利用Copula函数对时间序列相关性的独特优势,进行二元正态Copula-GARCH(1,1)建模,提出了将整体时间序列的样本截断成小样本,用t检验判断变结构点的诊断方法.并以上证指数和深证成指为实证样本,研究两者发生显著变化的时刻.研究结果表明该方法能敏锐地捕捉金融市场的风险测度.     

基于Sieve Bootstrap方法的长记忆过程均值变点的检验

本文提出一个新的统计量来检测长记忆时间序列中可能存在的均值变点,在原假设下推导出了检验统计量的极限分布在备择假设下证明了检验方法的一致性.为便于实际应用还提出了一种Sieve Bootstrap方法来近似统计量的临界值.模拟结果表明本文方法不仅可以很好的控制经验水平,而且相比已有均值变点检验的方法经验势也有了一定幅度的提高.     

复合材料加筋壁板长桁凸缘变厚度设计对长桁-蒙皮界面承载能力的影响

长桁与蒙皮之间的脱胶是复合材料加筋壁板主要的失效形式之一。本文首先对复合材料机翼结构长桁-蒙皮典型结构进行了三点弯曲试验,获得破坏载荷以及界面失效模式。然后基于ABAQUS建立三维有限元模型,采用内聚力模型模拟界面的破坏情况。有限元计算结果与试验结果吻合较好,验证了有限元模型的合理性。在此基础上,对长桁凸缘宽度方向采用渐变厚度设计,开展了其对长桁-蒙皮界面承载能力的影响分析。研究结果表明采用变厚度设计可以减缓长桁凸缘末端附近的刚度突变,降低长桁凸缘末端与蒙皮之间界面的面外载荷。凸缘变厚度设计可以有效避免长桁与蒙皮界面过早出现脱胶失效,长桁凸缘末端越薄,界面脱粘载荷越大。     

回归函数的变点分析

本文介绍了变点问题以及线性模型、半参数模型和非参数模型。在已有结论的启发下,给出了非参数模型中回归函数变点或不连续点的位置的估计量,证明了误差具有某种长程相依结构时,回归函数变点位置估计及其分布的大样本性质。在一定的条件下证明了估计量的收敛速度和极限分布。同时在误差具有不同相依结构下,对回归函数变点的位置进行模拟分析;也模拟分析了不同的核函数和带宽对变点估计的影响。     

基于变结构copula模型的股票市场分析

通过构建度量相关性的变结构copula模型,对股市的波动情况进行分析.模型利用copula函数在度量相关结构上的优势来处理金融市场的变结构问题,采用Bayes时序诊断和Z检验的方法对变结构点进行了诊断,在实证分析中,运用此模型对沪深股市的波动情况进行分析,结果表明,变结构的copula模型能较好的拟合股市的波动情况.     

长记忆时间序列趋势项变点的CUSUM检验

本文研究长记忆时间序列趋势项的变点检验问题.基于最小二乘拟合残差构造了一种新的CUSUM型检验统计量,在无变点原假设下证明了检验统计量的极限分布是I型分数布朗运动的泛函,在备择假设下证明了检验统计量的一致性,并提出用Sieve Bootstrap方法确定检验统计量的临界值来避免精确估计冗余参数.数值模拟结果表明,提出的新方法在原假设下能较好地控制检验水平,在备择假设下能达到满意的检验势.     

牛熊市视角下我国股市波动率的长记忆性研究

为更好地理解我国股票市场运行状态,使用局部Whittle(local Whittle,LW)半参数法分别估计了沪/深股市在牛/熊市阶段波动率的长记忆性强度.实证结果显示:沪(深)市波动率在牛/熊市阶段均存在显著的长记忆性,且熊市波动的长记忆强度要大于牛市;在牛(熊)市阶段,沪市波动的长记忆强度大于深市,且两者的差异在牛市阶段更为明显.特别的,对波动序列作了长记忆真伪性检验,增强了估计和解读的合理性.     

中国股指期货的价格发现功能和波动外溢效应

运用EC-EGARCH-GED模型,分析了中国股指期货的价格发现功能和波动外溢效应.研究结果表明股指期货增大了股指的波动性.从长期看,股指期货的价格影响股票指数的价格;而短期内股指期货价格对股指价格的影响比长期均衡的影响大.最后还考察了中国新上市的股指期货对沪深300指数的影响,认为股指期货的上市给股指带来了一定的冲击力.     

沪深股市的波动性分析——基于t分布下GARCH和SV模型的比较

构建基于N分布和t分布下的GARCH(1,1)和SV模型,并通过实证分析探讨了上证指数和深证成指收益序列的波动性.分析结果表明,GARCH(1,1)类模型和SV类模型能较好地拟合沪深股市收益率的波动,并指出我国股市存在较强的波动持续性;而基于t分布的各模型能有效地刻画股市的厚尾性;此外,通过计算VaR值,说明深市比沪市的风险更大,且SV类模型能更准确地反映收益率的风险特性.     

SV族模型对沪市综合指数的实证分析

选取沪市股价综合日指数(1997/01/02～2003/12/26)作为样本,对上证综合指数进行了实证分析,根据有效市场理论,利用股指的随机游走过程对上海股市的有效性进行检验,建立SV族模型验证上海股市的可预测性实证结果发现:上海股市具有杠杆效应、长记忆性和波动持续性     

上海股票市场网络拓扑指标与波动率的相关性

以股票作为网络的节点,股票间关联性作为边,使用最小生成树方法构建上海证券市场股票网络,计算网络的基本拓扑指标,分析这些指标与股票市场波动率的相关性.结果表明:网络的平均路径长度和市场波动率成负相关,当市场波动率越高,节点之间的距离越短,网络收缩越紧密;平均占有层和市场波动率成负相关,当市场波动率增加,网络中的点更趋近于中心节点;节点的最大度和市场波动率成正相关,随着市场波动率增加,网络节点之间的关联性增强,协同运动趋势增强.通过分析股票网络拓扑指标的变化规律从而对股票市场波动的变化进行预测.     

上证指数收益率波动的实证分析——基于ARCH族模型

利用ARCH族模型对上证指数股票收益率进行定量与定性分析,表明上证指数日收益率存在高阶的ARCH效应,条件方差对日收益率有很强的影响,其中EGARCH模型在反映股市波动性方面优于其他模型.     

TARCH-M模型在上证指数波动率的实证分析

本文应用TARCH-M模型,并且引入迭代累计平方和(ICSS)法则对上证指数进行波动时段进行划分,针对不同波动时段分析其上证指数日收益率上涨和下跌对上海股票市场非对称的影响特点.结果表明,上海股市在1997年以前,收益率的上涨比下跌对股市造成的影响更大,即与通常定义的“杠杆效应”相反;而在1997年以后,其“杠杆效应”才显著.此外,收益率和波动性在后两阶段出现明显的正相关关系,说明了投资者正从以前盲目投资逐渐转变为理性投资,上海股市已日趋成为一个成熟的市场.     

对上海股票市场波动性的ARCH研究

在分析上海股市收益波动特征的基础上，利用多种形式的ARCH类模型对上海股市日收益率的波动进行了实证分析，结果表明上海股市具有较为明显的ARCH效应．     

ARCH族模型对沪市综合指数的实证分析

本文选取沪市股价综合日指数(1999/01/01～2002/12/30)作为样本,根据有效市场理论,利用股指的随机游走过程对上海股市的有效性进行检验,建立ARCH模型验证上海股市的可预测性.实证结果发现,上海股市具有杠杆效应、波动集群性和波动持续性.     

Hurst指数在河北省上证股票中的应用

应用资本市场分形特征的判别方法,对河北省上证股票分形特征进行了实证研究,计算河北省上证股票的Hurst指数。结果显示:每只股票的Hurst指数均大于0.5,这说明河北省上证股票市场具有自相似性、状态持续性、长期记忆周期等明显的分形特征,不属于EMH所描述的有效市场。