自回归条件异方差模型的模拟

通过介绍怎样利用SAS/ETS中的自回归(Autoreg)过程实现条件异方差(ARCH)模型数据的分析,将理论与实践相结合,利用SAS/IML软件模拟两组(一组为ARCH(q)模型,另一组为AR(m)-ARCH(q)模型)ARCH数据,然后调用自回归过程对两组数据分别用相应ARCH模型进行效据拟合,得到理想结果.     

保费收入服从一类指数分布风险过程下的三特征联合分布函数

将经典风险模型中Poisson索赔过程推广为广义Poisson过程,给出破产时间、破产瞬间前的余额、破产赤字三特征联合分布函数.在此基础上再将广义Poisson风险模型中的保费收入由线性过程推广为服从一类指数分布,并给出了符合以下3种条件:1)保费收入服从参数为λ的指数分布;2)a=1且保费收入服从b维的Bessel过程;3)当a≠1,a≠0且保费收入服从M(t)=∫_0~t exp(bs+a B_s)ds时相应的复合广义Poisson风险模型下的三特征联合分布函数.     

随机扰动项误设对GARCH模型参数估计的影响

以AR(1)-GARCH(1,1)为例,讨论随机扰动项误设与不同优化算法对模型参数估计结果的影响。结果发现,随机扰动项误设对条件均值方程参数估计值影响不大,而条件方差方程中ARCH项系数、GARCH项系数与真值的偏差较为厉害。进一步分析发现,在小样本情况下采用NLMINB算法,ARCH项系数的均值估计结果更理想一些,但收敛于真值的速度却低于LBFGSB算法;LBFGSB算法估计GARCH项系数结果会更理想,但LBFGSB算法估计CARCH系数时收敛于真值速度却低于NLMINB算法。     

两参数Poisson过程的鞅刻画

本文给出了两参数Poisson过程的鞅刻画并讨论了这种过程的强Markov性。两参数随机过程(P_为Poisson过程的充要条件是(N_)=(P_-st)为鞅;设(P_)为Poisson过程,则(P_~T)=(P(]T,T z]))仍为Poisson过程且P_~T与F_T~*独立,其中,T为有限弱停点,z=(s,t)∈R_ ~2,F_~*=F_~*∨F_~2。     

一类复合Poisson过程的大偏差原理

研究这样一类复合Poisson过程:S(t)=∑(h(t-Si)Xi)from(i=1 to N(t)),其中N(t)(t>0)是强度为λ>0的齐次Poisson过程,Xi(i≥1)是独立同分布非负随机变量序列,独立于N(t),h(t)(t>0),是非负单调实函数.得到了关于S(t)的大偏差原理和弱收敛.     

Poisson嵌入子流形的一个性质

讨论了Poisson子流形的一个有趣的性质：若P是Poisson流形(Q．WQ)的Poisson嵌入子流形，则在每一点x∈P处，通过适当选择可使P的横截Poisson流形N1恰是Q的横截Poisson流形的Poisson嵌入子流形反之，若P是(Q，WQ)的嵌入子流形，且在每一点x∈P处，存在x在Q中的邻域U和直积分解U=S×N1×N2．使得S是辛叶．N1×N2是横薷Poisson流形．S×N1是P中x的邻域，N1是N1×N2的Poisson子流形，则P是Q的Poisson子流形．     

ARCH(0,p)模型的参数估计

ARCH模型中的未知参数很多,本文利用Monte Carlo最优法对ARCH(0,p)模型和ARCH(0,1)模型中的未知参数进行估计。     

ARCH模型在金融时间序列中的拟合应用

讨论了自回归条件异方差(Autoregressive Conditional Heteroskedastic,简称ARCH)模型在金融时间序列分析中的拟合应用,以一金融时间序列为例,通过SAS/ETS中的自回归(Autoreh)过程实现对该金融时间序列的自回归-广义自回归条件异方差(Autoregressive-generalzed ARCH,简称AR-GARCH)模型的拟合和分析,最终得到理想结果.     

N—指标Poisson过程

文献[1][2]定义了一类Poisson单并对它进行了刻划,研究了它的性质。本文对N-指标Poisson过程给出了一个定义,并将Poisson单的一些结果推广到N-指标Poisson过程。     

带干扰双Poisson风险模型的大偏差问题

讨论了双Poisson风险模型以及带干扰的双Poisson风险模型，给出了其偏差的一个索赔额尾分布的渐进估计．     

自 激 滤 过 的 泊 松 过 程

给出了一类与过去事件点相关的滤过泊松过程（自激滤过泊松过程）的相关性质, 并将其应用于截断δ冲击模型标值过程和关系营销客户寿命价值的研究中, 得到了自激滤过泊松过程的一维特征函数、 二维特征函数、 一阶矩以及截断δ冲击模型标值过程的期望和平均客户寿命价值.     

相依计数变量风险模型的大偏差

考虑每期索赔计数变量之间基于泊松AR(1)相依结构的离散风险模型, 利用特征函数的唯一性, 得到了其累积索赔总额的概率分布等价形式, 并建立了重尾索赔下索赔总额的精细大偏差.     

居民消费价格指数的ARCH模型及实证分析

本文根据居民消费价格指数时间序列（CPI）数据本身的特点,建立了CPI的自回归模型、一到三阶ARCH模型。比较各个模型参数,得到CPI短期预测最优模型为自回归一阶ARCH模型。预测效果图表明：自回归一阶ARCH模型在预测趋势突变时会有一定的滞后性。     

基于HAR RV J ARCH模型的中国股票市场异质性研究

针对中国股票市场的异质性现象,提出HAR-RV、HAR-RV-J以及HAR-RV-J-ARCH这3种模型进行研究;采用最小二乘法结合Newey West协方差形式进行参数估计再进行预测,并比较3种模型拟合效果和预测效果;实证结果得出股票市场收益波动率的异质性主要是由月波动(长期交易者)和跳跃波动决定,日波动(短期交易者)和周波动(中期交易者)影响效果较小,并且HAR-RV-J-ARCH模型拟合效果更好;结果表明HAR-RV-J-ARCH模型能较好地描述股票的异质性现象。     

时间序列分析的历史发展

阐述了时间序列分析的发展历程：早期自然科学主要应用单纯的描述性分析;差分、指数和滑动平均等基本概念推动了统计性时序分析的发展;以Fourier级数为基础的周期图方法是频域分析的核心内容;时域分析经过了从AR（2）模型、AR（4）模型→AR（s）模型＋MA（h）模型→AR-MA（s,h）模型→ARIMA模型→ARCH、ARCH族模型的漫长过程.     

金融系统ARCH模型及应用

针对金融数据具有丛集性与异方差性的特征,给出了最能反映这一特征的研究方法,在此基础上,比较系统地介绍了ＡＲＣＨ模型及其若干变形,参数估计与假设检验,讨论了金融系统ＡＲＣＨ模型的应用前景。     

序约束下ARCH模型的最小二乘估计

研究序约束条件下自回归条件异方差(ARCH)模型的统计 推断. 给出ARCH(q)模型中非负参数(α₀,α₁,α₂,…, α_q)的一种最小二乘估计的准则函数, 证明了由此得到参数估计的强相合性. 而且通过讨论在序约束(α₁≥α₂≥…≥α_q)下估计的 准确形式及其渐近性, 得到了检验统计量的形式, 从而解决了在参 数空间有序约束条件下的假设检验问题.