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。     

利用遗传算法对上海股市收益ARCH模型族的实证研究

引入ＡＲＣＨ模型族以突破传统经济计量学“同方差条件”的限制,和更加精确地动态度量代表金融风险的收益序列的条件“异方差”;针对ＡＲＣＨ传统估计方法的不足提出了利用遗传算法的改进算法;     

ARCH模型与SV模型之间的关系研究

讨论了在金融时间序列中广泛应用的两类波动性模型，即自回归条件异方差(ARCH)模型和随机波动(SV)模型的关系问题。通过随机微分方程研究了GARCH模型和SV模型的相互联系并得到结论：一个离散的EGARCH(1，1)模型在弱GARCH过程的条件下与一个离散的SV模型是一一对应的。在此基础上进一步讨论了EGARCH(1，1)模型和SV模型的单位根问题，结果表明，两类模型的单位根存在对应的关系，即二者的持续性能够通过随机报分方程的形式来传递，这一性质表明了二者之间存在本质的联系。     

可加模型及其在金融市场波动率估计中的应用

放宽了传统GARCH模型参数形式的假定,将可加模型引入条件方差的估计,改进了Btihlmann和McNeil提出的迭代算法,并将其用于可加GARCH模型的估计.通过能够模拟真实波动率的数学实验,以及新加坡股市和不同市场股市比较的实证算例,发现可加GARCH模型不仅在估计现有参数模型无法刻画的复杂序列波动率时具有更好的估计效果,而且与一般非参数模型相比也有较好的估计效果.因此,可加GARCH模型对研究新兴市场股市或诸如金融危机等存在复杂波动特征的金融市场有着非常现实的意义.     

ARCH族模型在干散货运价指数分析中的应用

为了改善国际干散货航运市场预测的可靠性,通过对国际干散货航运市场运价指数(BDI)收益率序列的平稳性、异方差性进行分析和检验,验证BDI收益率序列是平稳的.通过使用GARCH(1,1)模型分析发现BDI收益率序列有明显的波动集聚效应并结合实际分析特别波动的原因.同时利用EGARCH模型刻画不同时期外部信息对国际干散货市场造成的影响以及区别.结论可用于国际干散货航运市场预测方法的改善.     

基于状态转移ARCH模型的中国股市波动性研究

通过引入波动性状态转移的ARCH(SWARCH)模型对中国股票市场的波动性进行了研究．SWARCH模型较传统的ARCH类模型显著地提高了股票市场波动性的描述与预测能力．实证结果表明，促使中国股市低波动性状态向高波动性状态转移的主要原因是股市的政策因素，这与因为实体经济基础的变化而促使美国股市波动性状态转移有着本质的区别．     

金融市场的一般均衡分析方法

本文从数理经济学的一般均衡理论出发,研究了金融市场的无套利性与市场均衡及资源配置有效性的关系。在一定的条件下,建立了无套利,市场均衡及Ｐａｒｅｔｏ最优性等概念之间的等价关系。     

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Agent的金融市场模型研究进展综述

对国外在全触市场领域刚兴起的基于Agent的模型作了综述。首先介绍了基于Agent金触市场模型的理论基础，即复杂适应系统CAS(complex adaptive system)；接着以圣达菲研究所SFI(Snata Fe Institute)的人工股票市场ASM(artificial stock market)为例对该类模型作了简要描述；最后阐述了该类模型的理论研究进展及该领域的未来研究方向。     

预测沪深股市市场波动性

研究目的在于:首先,检验和对比三种GARCH模型对于我国上海、深圳股市波动性的预测能力.其次,使用非对称的预测指标以体现对于预测误差高低的不同个体需求.在对于4个对称型的预测常规指标中,TGARCH对于2个市场波动的预测结果都是最佳的,而EGARCH的预测结果也要好于GARCH(1,1).这表明我国上海与深圳市场受坏消息的负面影响大于同等程度好消息的正面影响,而运用单边非对称的GARCH模型将更利于提高波动性预测的准确性.在非对称预测指标方面,研究认为EGARCH模型对于那些更愿意低估市场波动性的投资者而言较为有利,而GARCH(1,1)模型则相应满足了希望高估市场波动性的投资者的需求.这也表明投资者应根据自己的需要来选择相应的波动性预测模型.     

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.     

异方差混合双自回归模型-HMDAR

研究了异方差混合双自回归模型(Heteroscedastic mixture double-autoregressive model,HMDAR)。给出了HMDAR模型的平稳性条件。利用ECM(Expectation conditional maximization)算法估计模型的参数,运用BIC(Bayes information criterion)准则选择模型.HMDAR模型分布形式的灵活性使得它能够对具有非对称或多峰分布的序列进行建模。将该模型应用于几个模拟和实际数据集均得到了较为满意的结果。特别是对于波动较大的序列,HMDAR模型能比其它模型更好的捕捉到数据序列的特征。     

金融市场的相关性分析--Copula-GARCH模型及其应用

作为一种全新的分析方法，Copula技术不仅可以有效地捕捉金融时间序列间的相关性，还可用于研究整个金融市场的特性、投资组合的选择及风险分析等其他金融问题。结合t-GARCH模型和Copula函数，建立Copula-GARCH模型并对上海股市各板块指数收益率序列间的条件相关性进行分析。结果表明，不同板块的指数收益率序列具有不同的边缘分布，各序列间有很强的正相关关系，条件相关具有时变性，各序列间相关性的变化趋势极为相似。     

基于TVS-MHAR模型金融市场高频多元波动率的预测

本文基于Kalli和Griffin(2011)的时变稀疏模型和多元HAR模型,构建了具有时变稀疏性的多元HAR模型(TVS-MHAR),并利用中国上证综指、沪深300期货和国债期货的五分钟高频数据,对金融市场的已实现波动率矩阵进行预测.本文通过Cholesky转换方法保证预测波动率矩阵的正定性.通过对不同多元波动率模型的预测结果进行数值比较和经济比较,本文发现,本文构建的TVS-MHAR模型无论对于短期预测、中期预测还是长期预测都具有最高的预测精度和最大的投资改善.同时,时变多元波动率模型可以获得比固定参数模型更好的预测效果,高频数据模型比低频数据模型获得更大的投资改善.     

预测传播结构与人工金融市场的易变性

为了探索价格预测信息传播动力结构与市场价格波动特征之间的关系,建立了一个基于元胞自动机的人工金融市场模型.在模型中,引入了动态有向图来表征异质投资者之间信息传播的邻居关系网络;投资者个体在邻居影响下进行价格预测与投资决策,从而形成市场价格.通过对仿真交易价格时间序列的R/S分析,发现邻居关系网络结构对于投资者预测的同质化有重要作用;投资者预测同质化倾向强的资本市场时,价格时间序列的易变性随之增强,市场价格趋于不稳定.     

一个考虑风险的证券价值评价公式的推导

通过使用ＡＲＣＨ－Ｍ模型给出了一个含有风险的有价证券价值评价公式。并对实际意义进行了说明。     

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.     

随机分形与金融波动的市场机制

简要回顾有效市场理论并指出其缺陷，将随机分形和分数布朗运动引入金融波动的研究中，阐述随机分形市场的经济涵义和波动机制，指出金融波动的异方差性，将分数维时间序列建模和异方差建模相结合，提出ARFIMA－GARCH模型，并给出实证研究。     

混合自回归滑动平均模型———MARMA

提出一类新的用于非线性时间序列建模的混合自回归滑动平均模型(Mixture autoregressive movingaverage model简记MARMA).该模型条件分布富于变化的特点使得它能够描述非对称、多峰、以及条件异方差等非Gauss特征.研究得到了MARMA模型的平稳性条件和自相关函数.利用BIC(Bayes informationcriterion)准则来选择模型.运用EM(expectation maximization)算法估计模型的参数.将MARMA模型应用于一组金融数据,并和其它模型做比较.结果表明MARMA模型能够更准确地描述该数据的特征.