中国股市波动性过程中的长期记忆性实证研究

应用一类描述金融市场波动性过程的长期记忆特征的分整自回归条件异方差模型(FIGARCH模型)，研究了中国股票市场波动性过程的长期记忆性，实证结果表明中国股市波动性过程具有明显的长期记忆特征；文章还分析了FIGARCH模型与传统的条件方差模型相比，在模型描述和预测上所体现出的优越性。     

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。     

基于VaR-GARCH模型族的我国期铜市场风险度量研究

描述了金融时间序列的一般特性,从收益的波动性与分布出发,组建起计算时变风险价值的VaR-GARCH模型族,并应用该模型族在3种分布假设下对我国铜期货的市场风险进行了实证分析.研究结果表明,基于广义误差分布的VaR-EGARCH模型能很好地刻画期铜收益的尖峰厚尾性与市场风险.同时,对期铜市场风险的变动趋势进行了详细剖析.     

中国股票市场的股票收益与波动关系研究

检验中国证券交易四类股票收益与波动的时间序列特征，以及收益与波动之间的关系。首先应用广义自回归条件异方差模型（GARCH）和指数GARCH模型以获得合适的条件方差序列。应用结果发现，波动性随时间变化的证据，并且波动高／低的时期趋向于聚集，显示出高度持续性和可预测性。然后，应用均值GARCH（GARCH－M）模型检验预期收益与预期风险的关系。研究结果认为，每日交易量作为每日信息到达时刻的代理变量对于中国股票市场每日收益的条件波动的解释力度不显著。     

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GARCH模型的风险价值蒙特卡罗模拟

讨论用蒙特卡罗模拟（MC）方法计算风险价值（VAR）。分别用样本标准差和广义自回归条件异方差（GARCH）作为参数代入几何布朗运动方程中，并把计算结果进行比较，得出各模型的适用范围。     

基于极值理论和Copula函数的条件VaR计算

针对金融市场中某种资产不同风险的非线性和非对称尾部的特性,将极值理论和Copula函数应用于资产风险的研究以及条件VaR的估计.经过对深证成指的实证研究表明,极值理论能更好地拟合具有厚尾分布的收益率和日内波幅的边缘分布,Gumbel Copula函数也能更好地反映两者之间的相关关系.由Gumbel Copu-la函数拟合的联合分布计算出的在一定日内波幅条件下的市场风险VaR能给投资者在进行风险分析以及构建投资组合时提供有用的信息.     

ARCH模型体系

综述了国内外在ARCH模型领域的研究成果，并将ARCH模型族归纳为一个体系。首先，对ARCH模型进行了分类，同时讨论了长记忆ARCH模型的性能。探讨了ARCH模型的检验和参数估计问题。文中指出，对复杂ARCH模型，鉴于其不可微分性，不存在传统意义下的似然函数的估计方法，文中运用遗传算法的思想，提出禁忌递阶遗传算法，解决复杂ARCH模型的参数估计和检验问题。最后，对ARCH模型的研究发展进行了评述。     

电子商务发展过程的定量研究方法

利用美国证券交易所开发的互联网指数作为反映电子商务行业发展状况的指标，将基本马尔可夫切换模型改进为异方差、四阶自回归形式，定量研究电子商务的发展过程，分析其发展规律，发现电子商务的发展目前正处于由衰退到再次成长的过渡阶段、     

新型小波支持向量机在波动率预测中的实证研究

运用支持向量机进行广义自回归条件异方差(GARCH)模型预测所面临的一个主要问题就是普通核函数难以准确捕捉股指波动率的聚集特征.然而小波函数却具备以任意时间粒度在任意位置刻画任一时间序列的能力.因此,本文基于小波分析与核函数理论,构造了一个满足mercer条件的多尺度小波核来解决这一问题.通过真实股指数据分析,小波支持向量机在波动率预测中的有效性获得了证实.     

CVaR的鞍点解析式及其在CreditRisk+框架下的应用

CVaR是满足一致性的风险度量指标,它测度了超出VaR部分的条件期望.本文在Daniels(1987)基础上,独立导出CVaR的鞍点解析式.利用真实CVaR值已知的伽玛分布和贝塔分布做检验,结果表明CVaR鞍点解析式是CVaR的稳健近似.此外,本文还探索了该方法在风险管理中的应用,所推出的解析式可应用于CreditRisk 框架下损失分布CVaR的计算.     

风险价值的完全参数方法及其在金融市场风险管理中的应用

风险价值模型 ( Value-at-Risk)是近年来发展起来的用于测量和控制金融风险的量化模型 .本文提出了计算风险价值的一种新方法——完全参数方法 ,它本质上是参数方法和极值理论的结合运用 ,在证券市场上的实证研究表明该方法优于目前流行的 Risk Metrics这种参数方法.     

财产保险公司负债风险资本金的确定

讨论如何借助回归模型预测法与VaR方法解决预期损失和非预期损失负债风险资本金的确定问题，且依据中国某财产保险公司某一长尾业务的数据对该方法的可行性进行实证分析。     

期望效用-熵决策模型在沪市证券投资选择中的应用研究

对期望效用．熵决策模型作了简要介绍，然后将谊决策模型应用到投资决策领域；利用沪市证券市场的实际数据进行验证，应用谊决策模型对原上证30指教样本股进行择优筛选，并对其筛选结果与二阶随机占优准则筛选的结果进行比较，得到如下结论：与二阶随机占优准则相比，利用期望效用-熵决策模型选择股票更易于操作。并且选出的股票进行优化组合可得到收益更高、风险更小的投资回报。     

证券组合SKST-APARCH模型和VaR估计分析

金融资产无条件收益分布表现为偏度和峰度共存，运用ARCH模型族在波动和Valt分析中往往将对称的后尾t、GED误差分布与不对称冲击结合在一起来解决序列不对称特性．由于偏度和峰度并非相互独立．这样未能根本上解决问题。本文在APARCH模型中引入偏t分布（Skst）模型对上证指数和深证A股指数的波动及VaR进行了实证分析，并与Gauss、t、GED等对称分布下的估计进行了比较，结果显示Skst能较好的拟舍波动、较准估计VaR．     

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。     

中国股市多标度的幂律分布与相关性关联研究

对上海证券交易所综合股价指数（SSECI）收益率多标度条件下幂律分布与相关性的关联研究发现,加速幂律衰减,对收益率的相关性没有显著影响;短程、非线性和非线性长程相关性不同程度地维持着幂律分布特征,消除某一特定类型的相关性均会弱化收益率的胖尾,同时加速幂律衰减和渐进收敛速度,其中非线性长程相关性的影响最为显著,但这一影响过程以一定的临界标度作为前提,大于临界标度,相关性的作用显著减弱,幂律分布表现出完全的标度依赖性.     

多品种配送的库存优化模型研究

针对有容量约束的多品种配送的库存问题，通过分析各因素之间的关系，建立相应的混合整数非线性规划的教学模型，进而对该模型进行转化，在此基础上提出求其最优解的方法。