门限分位数自回归模型及在股市收益自相关分析中应用

门限分位数自回归模型(threshold quantile autoregressive model,简记为TQAR)是一种非线性分位数回归模型,主要用于讨论系统中的门限效应.在TQAR模型中,自回归阶数与门限值的确定等,都会影响模型分析效果.为此,本文给出模型定阶、门限值估计及门限效应检验等方法.数值模拟结果表明,TQAR模型在门限值估计、回归系数估计的有限样本表现方面都优于传统的门限均值自回归模型(threshold autoregressive model,简记为TAR)及门限均值自回归条件异方差(TAR-GARCH)模型.最后,将TQAR模型应用于中国股市收益的自相关性研究,实证结果证实收益序列的自相关性呈现出明显的门限效应和异质效应.这一发现,有助于准确刻画股市收益动态变化规律,为重新认识金融市场运行机制提供了一个实证基础.     

间接TARCH-CAViaR模型及其MCMC参数估计与应用

考虑正负资产收益对分位数冲击的不对称性提出间接TARCH-CAViaR模型.CAViaR一般模型中递归分位回归方程的非线性和非连续可微性是参数估计的一个难题,基于含有尺度参数的不对称拉普拉斯分布作为误差过程,指出将尺度参数固定为常数会导致不对称拉普拉斯分布随机变量的方差存在最小正值的限制,与实际金融数据分布不符;进而提出采用贝叶斯分析和马尔科夫链蒙特卡罗模拟方法,估计间接TARCH-CAViaR模型的参数,并可获得尺度参数的合理估计.实证研究中对上证指数的市场风险演化模式进行了测算,动态分位检验、后验测试表明模型VaR预测效果理想,消息冲击曲线表明上海股市好坏消息对市场风险的冲击是不对称的,且这种影响作用在不同置信水平市场风险中表现得有显著差异.     

基于贝叶斯分位数回归的市场风险测度模型与应用

对具有递归或非递归表达形式的一般分位数回归模型,基于不对称拉普拉斯分布提出了贝叶斯推理框架.指出不对称拉普拉斯分布的尺度参数在估计中应该被参数化,否则将导致其方差存在非零最小值的限制.给出选择尺度参数和模型参数先验分布的条件,保证参数后验分布是真实概率分布,并采用马尔科夫链蒙特卡罗模拟方法进行参数估计.对深证成分指数的实证研究表明,不对称绝对值和斜率分位数回归模型比间接GARCH和FIAPARCH模型更好地描述了深证成分指数的风险特征,在不同的置信水平下,深圳股市消息对市场风险具有强度不同的不对称性冲击.动态分位检验和后验测试支持分位数回归模型可以对金融数据进行高置信水平的市场风险测量和探索风险的演化模式.     

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.     

群体分析视角下能源业系统性风险——基于网络动态分位数回归模型

能源行业作为我国经济的支柱性行业,其稳定健康发展事关国计民生和国家安全。本文以能源行业系统性风险为研究对象,利用DY溢出指数法,从风险溢出角度构建了能源行业间的关联网络,并将其与传统分位数模型相结合,提出了网络动态分位数回归模型,在此基础上,结合多条件CoVaR风险指标,构建了多条件动态CoVaR模型,实现群体视角下系统性风险的度量。以2014年12月30日—2021年7月2日数据为样本,实证分析了中国煤炭、电力、新能源、油气四个主要能源行业对整个能源系统风险的溢出贡献。结果显示：(1)在多个比较指标下,网络动态分位数模型的预测效果显著优于传统无网络的分位数模型;(2)能源行业的系统性风险溢出存在较强的时变特征,平均而言,煤炭和电力行业的风险溢出绝对值(ΔCoVaR)最大,电力和油气行业的风险溢出相对值(%ΔCoVaR)最大;(3)风险规模因素(VaR)对于系统性风险的影响程度大于风险溢出强度;(4)随着处于危机的能源行业数目增多,其对于能源系统的风险溢出绝对值和相对值都呈现上升趋势;(5)不同能源形式间可替代性和可补充性的存在,使得组合风险溢出绝对值明显小于组合内部单个行业风险溢出绝...     

基于Copula-ACD模型的股票连涨和连跌收益率风险分析

分别使用包含"天数变量"的Log-ACD和Copula模型对股票的连涨和连跌收益率的边缘分布以及二者的联合分布进行了拟合,检验结果表明该模型拟合的效果要优于传统方法.对上证180指数数据做了实证研究,并使用条件VaR对股票连涨连跌收益率进行风险分析,实证结果证明该模型的拟合结果与股市的实际情况是相吻合的.投资者可以依照模型得出的"涨跌风险对比图"分析当前股票市场的涨跌风险对比,从而指导投资行为.     

基于动态分位点回归模型的金融传染分析

金融危机传染检验一直是国际金融研究中的重要问题,大多数传染效应存在性的检验采用相关性方法.本文应用动态平滑数系数分位点回归模型研究不同国家股票市场之间的分位点相关关系,通过系数函数的变化趋势对危机传染问题进行检验和预测.其中在对参数函数进行非参数估计时,应用局部线性回归方法.为了分析亚洲金融危机期间的危机传染问题,对亚洲几个相关国家的指数数据进行了实证分析,实证结果发现,通过分析常数项函数以及系数函数的变化趋势,不仅可以对危机传染问题进行检验,还可以对金融危机传染的发生时刻以及金融危机的缓解时刻进行相应的分析.     

基于广大极值分布的高频极值条件VaR模型

在考虑当前预期和波动性条件下,为了有效地捕获极端条件下收益率时间序列动态特征,提高VaR的度量精度,建立了基于高频数据的条件极值VaR模型.应用智能优化算法对条件极值分布的时变参数进行估计,考察了在不同样本容量分块下的条件极值VaR,并对VaR计算结果的精度进行了Kupiec-LR检验和动态分位数检验.研究结果表明,基于高频数据的条件极值分布较好地拟合了极端条件下的收益率特征,与McNeil提出的传统条件极值VaR相比,应用高频数据建立在条件广义极值分布基础上的条件极值vaR的Kupiec检验DQ检验值都较为理想,表明该模型能够捕捉到我国市场风险特征,提高极端情况下风险测度能力.     

上市公司信用风险测度的不确定性DE-KMV模型

研究不确定性KMV信用风险测度问题,用差分进化算法(DE)来优化违约点系数,提出一种中国上市公司信用风险测度的不确定性DE-KMV模型.实证结果表明,常用的KMV模型往往低估了中国上市公司的风险值,而不确定性DE-KMV模型在面对中国上市公司各种风险情况下的违约系数值与实际风险很接近,模型通过分位数回归分析,其系数在置信区间内显著性更好.因此,相对于常用的KMV模型,化模型更据灵活性,能提高上市公司信用风险测度的准确性.     

基于AAVS-CAViaR模型的股市风险测量研究

考虑金融资产收益与正负收益对分位数冲击的不对称性,建立含有不对称绝对值和斜率设定的AAVS-CAViaR模型,采用混合最优化方法估计模型的参数并进行显著性检验.对1996-2008年期间沪深港股票指数的实证研究表明:沪深港股票市场均存在正负收益消息对市场风险冲击的不对称现象,且在不同VaR置信水平下存在差异;通过Granger因果检验发现沪深港股市的风险变化存在显著的互动传导关系;提出了VaR预测模型的评估准则,对所选样本数据而言AAVS-CAViaR模型比间接GARCH模型更好地描述了市场风险的演化模式.