具有杠杆效应的非线性SV模型及其应用

提出一类非线性SV模型,许多离散时间SV模型都是它的特例.这类模型的优点在于用它可以检验不同函数形式的随机波动,该模型的检验仅基于一个单独参数δ.在非线性SV模型的基础上,进一步把它扩展为具有杠杆效应的非线性SV模型.使用沪、深股市的指数日收益数据进行了实证分析,借助BUGS软件,利用Gibbs取样的MCMC方法对模型进行了贝叶斯参数估计,证明了应拒绝对数正态SV模型,而使用非线性SV模型.     

具有杠杆效应SV模型的贝叶斯分析及其应用

对具有杠杆效应的SV模型进行了的贝叶斯分析，使用基于Gibbs取样的BUGS软件对模型的参数进行了估计。用上海和深圳股市的指数收益时间序列对杠杆效应SV模型进行检验，指出沪、深两个股票市场存在显著的杠杆效应。     

扩展SV模型及其在深圳股票市场的应用

在金融风险的研究中很重要的一个领域就是量测金融风险的波动性。本文所研究的这种波动性指的是资产收益的方差随时间不断变化,这在讲师经济学中称之为异方差问题。许多高频的金融时间序列都具有异方差现象。对于波动性的量测（即异方差的量测）,主要有两种模型方法：其一是ARCH模型族的量测方法,它包括Engle的ARCH模型（1982）、Bollerslev的GARCH模型（1986）以及在此基础上提出的其他扩展模型;另外一种方法就是SV(Stochastic Volatility）模型。本文提出扩展的SV模型及其参数估计方法和波动估计方法,并进行蒙特卡罗试验,最后利用扩展SV模型对深圳股票市场的波动性进行了实证研究,说明扩展SV模型比标准SV模型描述金融波动性的优越性。     

随机波动模型参数估计的新算法及其在上海股市的实证

研究用马尔科夫链蒙特卡罗(MCMC)算法估计随机波动模型的参数问题.基于“前向滤波,后向抽样”方法提出一种新算法,并将新算法同原有算法进行了比较.然后利用新算法对上海股市进行波动性分析,发现中国涨跌停板制度对波动的持续性估计有着重要的影响,忽视这些因素将会导致波动的持续性被高估.     

杠杆效应对期权定价的影响研究

本文基于时间序列视角从随机模拟和实证研究两方面探讨随机波动率模型中杠杆效应对期权定价的影响.在随机模拟中,通过与基本的随机波动率模型比较,发现当收益率时间序列存在高杠杆时,带杠杆的随机波动率模型给出的期权价格更接近真实的价格,在MAE和RMSE距离统计量上都存在显著差异,但较低的杠杆对期权定价不会有显著影响;并且,在带杠杆的模型中,路径模拟定价法优于BS框架下的定价方法.此外,在标普500指数的欧式期权上的实证研究,表明指数存在较高的杠杆水平;相较于期权市场价格,带杠杆的模型在定价上好于基本的模型,在MAE和RMSE统计量上存在显著性的差异.     

CHIB市场SV模型与GRS模型的比较研究

利用中国银行同业间拆借(CHIB)市场数据,估计并比较了目前国际上普遍采用的SV模型和GRS,研究发现,在样本期间内GRS比SV模型能更好的描述利率的均值和波动行为,在样本期间外SV比GRS模型能更好的预测未来利率的走势,而GRS比SV模型能更好的预测未来利率的波动。     

基于多保真度代理模型的装备系统参数估计方法

系统参数估计是武器装备系统设计研制中的关键一环.针对复杂系统设计中逐渐突显的系统复杂性激增、需求动态性变化、响应的快速性、缺乏高精度数据等问题,提出一种基于多保真度代理模型的单装备系统参数估计方法.首先,该方法基于传统Kriging模型对低保真度数据建立代理模型.然后,将该模型作为全局趋势模型,插入高保真度数据建立多保...     

归并数据回归模型的半参数估计方法

基于受限因变量的生存函数,构造归并数据回归模型的一个新的半参数估计量, 并设计多项实验与HP估计量进行模拟比较. 模拟显示, 所构造的估计量具有较好的小样本表现.     

利用贝叶斯模型进行热参数估计

对利用Bayesian模型分析热传导反问题中的导热系数预测问题的方法进行了研究。导热系数反问题的解是其后验概率密度的数学期望,用MarkovchainMonteCarlo算法计算后验状态空间以得到未知导热系数的统计估计。方法中取导热系数的先验分布满足正态分布,似然函数中的温度数据满足稳态零均值白噪声,先验分布与似然函数相乘得到后验概率密度函数。采用Metropolis-Hasting算法进行数据采样构造Markovchain,并截取收敛后的样本进行分析。     

具有有偏厚尾的非对称SV模型及其实证研究

为了描述资产收益与波动率之间的非对称关系,提出一种非对称SV模型,即具有杠杆效应与尺寸效应的SV(SV-LS)模型。进一步,针对资产收益分布展现出"有偏"及"厚尾"特征,引入有偏广义误差分布(SGED)来描述资产收益,提出具有有偏厚尾的SGED假定下的SV-LS模型。继而,基于有效重要性抽样(EIS)技巧,给出了模型参数的极大似然(ML)估计方法。最后,采用上证综合指数收益数据进行实证研究。结果表明,SGED假定下的SV-LS模型表现最优,它能够综合刻画资产收益的"有偏"及"厚尾"特征,并且证明了我国沪市具有很强的波动持续性以及显著的杠杆效应。     

长记忆SV模型的统计性质及其实证分析

给出与证明长记忆随机(LMSV)模型的矩与谱密度。波动替代量的长记忆性，与ARFIMA模型的关系，以及其时间聚合等统计性质；最后利用模型考察了上海股市波动的长记忆特性。     

GARCH模型在开放式基金中的实证研究

用GARCH模型及其推广模型，分析了我国华安创新基金收益率的波动情况。实证分析结果表明：华安创新基金收益率存在异方兰性和不对称的现象，用EGARCH-M（2，2）模型就能较好模拟该基金收益率的特征。     

基于贝叶斯原理的随机波动率模型分析及其应用

基于贝叶斯原理,对随机波动性模型进行研究,并将随机波动率模型应用股市风险价值VaR的估计与预测.针对中国股市数据进行的实证结果表明,与GARCH模型相比,随机波动率模型能更好地描述股票市场回报的异方差和波动率的序列相关性;基于随机波动率的VaR较GARCH模型的VaR具有更高的精度.     

多维分形马尔可夫转换模型的广义矩估计及其实证运用

在广义矩估计法(GMM)的基础上,提出基于连续时间以及任意维离散时间多维分形过程的参数估计方法。一方面,这一方法吸取了Calvet和Fisher(2001)多维分形马尔可夫模型的长处,可以比较方便地对时间序列的非平稳性和复合过程进行处理;另一方面,本文模型又克服了极大似然法(MLE)和贝叶斯方法在大样本条件下其波动率序列参数估计难以用计算机实现的缺陷。Monte Carle模拟的结果显示,GMM估计在二项式模型和对数正态分布模型中具有非常优良的统计性质。实证运用的结果也证实了GMM估计方法在大样本多维度下的统计优势及其必要性。     

基于MSV类模型的中国汇市与股市间溢出效应

金融市场波动特征及溢出效应一直是经济、金融学界研究的热点问题之一,SV模型作为一种有效刻画金融时间序列波动的工具,极具应用前景,但用于测度溢出效应的向量SV模型由于参数估计困难而鲜见于文献。本文借助WinBUGS软件,采用基于Gibbs抽样的MCMC方法,运用DC-MSV模型和GC-MSV模型分别对汇市与股市间的动态价格溢出效应和波动溢出效应进行研究。实证结果表明,汇市与股市间的价格溢出具有明显的时变特征,总体为负相关关系;汇市与股市间存在双向波动溢出效应,但汇市对股市的波动溢出要强于股市对汇市的波动溢出,呈现不对称性。     

中国保险业发展的经验函数分析

在对数据统计口径进行调整的基础上，利用全国的时间序列数据分析城乡居民可支配收入、城乡居民储蓄存款余额、社会保险福利费、金融价格指数、居民活期存款利率及制度环境对中国保费收入的影响，得出中国保险业发展的经验函数，再用各地区的面板数据来分析中国保险业发展的地区差异性。研究发现：社会保障与商业保险之间没有相互替代关系；政府对保险业的政策支持力度不够；三大地区保险业发展呈不同类型，东部地区呈均衡发展型，中部地区呈收入拉动型，西部地区呈储蓄拉动型。     

存在缺失值的ARFIMA模型的最大似然估计

利用状态空间模型中的Kalman滤波可以很好地解决时间序列模型的缺失数据问题。本文通过修改Kalman滤波递推公式解决了长记忆ARFIMA模型的缺失数据问题，得到存在缺失值的ARFIMA模型的最大似然估计。     

无失效数据Bayes可靠性分析的一种新方法

多层Bayes方法用于估计无失效数据产品的可靠性特征量,其结果较为稳健,但大多涉及数值计算,需借助于计算机才能实现,不便于工程技术人员现场使用.为此提出了一种估计产品可靠性特征量的新方法,也不失估计结果的稳健性,结果简单实用,通过比较说明所给方法有效可行.同时该方法也适合其它寿命分布产品可靠性特征量以及成败型产品可靠度的估计.