向量GARCH过程协同持续性研究

在Bolleralev和Engle提出波动协同持续概念的工作基础上，本文提出了部分协同持续、分块协同持续等概念，并讨论了时间序列的平稳性与波动持续性的等价关系，进一步研究了协同持续(co-persistence)的本质；在两种情况下，证明了协同持续的不存在性；以及在二维情况下，说明了完全线性相关的两变量协同持续的关系；并探讨了协同持续与协整的联系，这有利于深刻理解波动的协同持续性。     

具有方差持续性的套利定价模型研究

在介绍有关方差持续性和协同持续性概念的基础上 ,首次将有关的概念应用于以套利定价理论为背景的多因子动态模型的二阶矩的结构分析 ,并讨论了动态因子存在持续性和协同持续性时对组合资产风险率和收益的影响 ,得到了一些有益的新结论 .     

随机波动模型的持续性和协同持续性研究

波动持续性是广泛存在于经济和金融时间序列的一类普遍现象，它反映了经济和金融的风险相关性，在介绍随机波动模型有关要概念和性质的基础上，从单整的角度讨论了随机波动模型存在的持续性，并以此为基础，讨论了向量随机波动模型存在的持续性和协同持续性，给出了随机波动模型的协同持续定理，此外，文中进一步讨论了协同持续存在的条件和有关性质，给出了协同持续关系的误差校正模型形式。     

BEKK模型的协同持续性研究

首先介绍了有关方差持续性的概念,并引入了向量GARCH过程的一种特殊表示形式即BEKK表示形式,在此基础上讨论了BEKK的单整性和持续性,给出了协同持续性的一种简明判定方法并提出了BEKK存在协同持续的充分必要条件,最后给出了一个协同持续的简化表示形式。     

波动率预测：多元GARCH模型能战胜一元GARCH模型吗?——二元DCC-GARCH模型与一元GARCH模型的PK

波动率在不同资产(市场)之间的传导应当为预测波动率提供有用信息,使波动率预测更准确。本文考察了二元DCC-GARCH模型在预测波动率时是否优于传统的一元GARCH模型。研究发现：波动率在不同资产间的传导,可以为预测波动率提供有用信息,有助于提高预测的准确性;波动率溢出越明显,对提高预测帮助越大;日数据传递信息更及时,在预测波动率时能比周数据提供更有用的信息;实际波动率的不同度量方式会影响波动率预测准确性的评判结果,但一个占优的多元GARCH模型预测的波动率,可以在所有度量方式、评判标准下都占优。本文为进一步研究多元GARCH模型在预测波动率方面的应用提供了有益的启示。     

向量GARCH模型的非线性协同持续

讨论波动持续性的函义，介绍向量GARCH模型的持续性及协同持续的定义，来研究上海和深圳股市，发现股市表现很强的持续性，但不存在线性的协同持续。提出非线性协同持续的概念，并提出用小波神经网络逼近非线性协同持续函数，同时证明沪深股市存在非线性协同持续关系。     

波动协同持续存在性研究

本文对几种多维GARCH模型的波动持续性及协同持续性条件进行了分析和研究,得出正交GARCH、广义正交GARCH、完全因子GARCH过程的协同持续与各分量波动过程的协整存在密切的关系,而Hadam ard乘积GARCH过程不存在协同持续,BEKKGARCH过程在因子模型的表达下存在协同持续,常条件相关GARCH过程不存在因子表达等结论.     

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。     

SV模型的变结构研究及应用

探讨SV模型的诊断分析和变结构建模问题，并在扩展SV模型基础上利用分段建模方法来检测模型结构变化点和分段变化模型的选择，最后以深驯股票市场综合指数为依据验证诊断分析方法的有效性。     

上海股市周日效应GARCH模型族的实证研究

利用GARCH模型族，实证分析了上海股票市场的波动特征，发现存在较为明显的周日效应。     

变截距SV模型及其在上海股市的实证

给出波动变结构的 Bayes诊断方法 ,并用上海股市的数据对它进行了实证检验 ,在此基础上建立了一类变结构随机波动模型——变截距 SV模型 ,实证分析与 Monte Carlo试验表明 ,随机波动模型的持续性参数对波动的变结构是极为敏感的     

我国通货膨胀的GARCH模型

从实证上说明了我国通货膨胀存在 GARCH现象 ,并建立了一个 GARCH( 1 ,1 )模型 .将估计的 GARCH( 1 ,1 )模型与回归模型比较 ,得出通货膨胀的 GARCH( 1 ,1 )模型优于回归模型 .     

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。     

基于支持向量机的交通安全预测模型及仿真研究

分析了交通安全预测中指标和影响因子的选择,确定了指标体系和影响因子集合,利用支持向量机(svm)建立交通安全预测模型并进行实例仿真验证.将1953年-2006年全国交通安全相关样本数据分为训练集和测试集,通过训练SVM得到交通安全预测模型参数值,对测试集指标进行预测,计算预测误差,并与BP神经网络预测模型进行对比.仿真结果表明支持向量机建立的交通安全预测模型学习速度快,泛化能力强,有着比神经网络预测模型更高的运算速度与预测精度.     

基于偏t分布realized GARCH模型的尾部风险估计

借助偏t分布realized GARCH模型,提出同时考虑高频和低频信息的尾部风险估计方法,分别纳入RV、RRV和BPV构成尾部风险估计的对比模型,并利用上证综指高频数据进行实证分析.实证结果表明:相比EGARCH模型,realized GARCH模型能够提供更准确的VaR和ES估计;纳入对微观结构噪声和跳跃稳健的已实现测度有助于提高VaR和ES估计的准确性;realized GARCH模型在尾部风险估计中的表现对次贷危机前和次贷危机后两个不同的样本期间稳健.     

基于最小二乘支持向量机的交通安全预测模型

分析了最小二乘支持向量机(LS-SVM)在交通安全预测中的优势,确定输入向量集合和输出向量集合,利用LS-SVM建立交通安全预测模型.将1953～2006年全国交通安全相关数据分为训练集和测试集,利用Matlab 7.0进行仿真测试.通过训练LS-SVM得到模型具体参数值,然后对测试集数据进行预测,计算预测误差,并与神经网络模型、SVM模型预测结果进行对比.仿真结果表明,基于LS-SVM建立的交通安全预测模型比神经网络预测模型、SVM模型具有更高的运算速度和预测精确度.     

结构模型在统计模型分析中的应用

在综合统计中使用系统工程方法之一——结构模型方法进行统计模型的分析,可以使统计工作有序可靠, 对统计结果用户能方便地进行分析．