高频金融数据的两种波动率计算方法比较

高频金融数据的波动率计算是近年来国内外的研究热点,"已实现"波动(RV)是基于高频数据的全新波动率度量方法,最近又出现了"已实现"双幂次变差(RBV)的波动率计算方法.针对这两个高频金融波动率计算的热点问题进行了比较,指出RBV在定义形式上比RV所包含的内容更加广泛,除了具有稳健性,还证明了在两种条件下,RBV比RV更有效.     

小样本参数的贝叶斯估计方法

小样本建模问题在社会经济系统、生物医学和化工冶炼等领域中是普遍存在的。在很多情况下,或是由于无法进行重复实验,或是由于人力、物力和财力等的限制,能够用来建模的数据是很少的,这时,如果我们仍然沿用传统的大样本方法进行模型的参数估计,无疑会使参数估计精度下降。因此,研究适于小样本情况下的参数估计方法是很有意义     

基于Copula-SV模型的金融投资组合风险分析

基于正态Copula函数和SV模型,建立了正态Copula-SV模型,将其应用到金融投资组合风险分析,并与Copula-GARCH模型对金融投资组合风险分析方法进行了对比,结果表明,边缘分布的选择对变量的联合分布具有重要作用,Copula-SV模型比Copula-GARCH模型在刻画组合风险VaR值方面具有优越性。     

多元变结构门限GARCH模型的伪协同持续性研究

首先在理论上证明了变结构GARCH模型与IGARCH模型的关系,从而给出了波动持续性产生的一个主要原因,其次基于变结构GARCH模型伪持续性的概念给出了多元变结构门限GARCH模型伪协同持续性的定义;最后应用深圳和上海两个股市的日数据进行实证研究,表明两个股市的波动都存在很强的持续性,且他们之间是伪协同持续的.     

正态逆高斯扩散模型的MCMC估计

使用贝叶斯方法估计了正态逆高斯扩散模型,该方法首先使用Eu ler方法对连续过程进行离散化,用离散过程的似然函数做为模型参数的近似似然函数。证明了M CM C方法是分析正态逆高斯扩散模型的有效工具,由M CM C方法抽样所得的后验分布可以用来进行统计推断。模拟试验表明:正态逆高斯扩散能够体现资产收益的许多经验特征,如泰勒效应、尖峰厚尾等。     

基于小波变换的时变长记忆SV模型估计方法研究

研究了基于小波变换的时变长记忆SV模型参数的估计方法.根据小波变换可将过程分解到不同的尺度上以及长记忆SV过程同一尺度下和不同尺度下DWT系数的近似不相关性,提出了建立局部似然函数的方法,又根据DWT系数和MODWT系数之间的关系,将局部似然函数表示为模型参数和局部小波方差估计的形式.用该方法对中国股市收益进行了时变长记忆SV模型参数的估计.     

双指数跳跃扩散模型的McMC估计

使用贝叶斯方法估计了双指数跳跃扩散模型,该方法是使用Euler方法对连续过程进行离散化,用离散过程的似然函数做为模型参数的近似后验似然函数.证明了McMC方法是分析双指数跳跃扩散模型的有效工具,由McMC方法抽样所得的后验分布可以用来进行统计推断.模拟试验表明双指数跳跃扩散模型能够体现资产收益的许多经验特征,尖峰厚尾特征和期权定价中的“波动微笑”.     

复杂系统的变结构分析

传统的变结构研究方法都是建立在模型基础上的,变结构分析主要集中在系统运动模型中参数的变化或变量的增减问题上。这种传统的分析方法只限于人们对未知系统的模型结构有一个大致的了解,在一 旬先验假设的条件下才能进行。但是在系统建模之前,人们很难预先知道系统的运行的模型形式。对复杂系统而言,传统的变结构分析方法就难以秦效。特别地,对非线性向量时间序列系统而言,系统内部动态均衡结构的变化不仅具有空间结构,而且具有一定的时间结构。针对这种实际情况,本文提出了一种新的变结构分析思想,利用神经网络技术对系统的运行规律的结构变化情况进行了分析。利用上海股市数据进行了实证研究,证实了所提方法的可行性。     

小样本DF统计量的分布特征

用蒙特卡罗（ＭｏｎｔｅＣａｒｌｏ）模拟方法着重研究了样本容量在５５以下的ＤＦ统计量的分布特征,并给出检验水平分别为０．０１,０．０５和０．１的ＤＦ检验临界值表并对小样本ＤＦ检验的功效作出分析．因为在有些国家以年为单位的经济时间序列的最大可观测个数并不是很大,所以小样本ＤＦ统计量分布的研究尤其有重要意义．     

事件树方法的贝叶斯分析

事件树方法是安全风险分析的基本技术,其分析结果的可信度在很大程度上取决于控制系统失效概率估计的精度。由于可靠性试验费用昂贵,试验次数有限,因此控制系统失效概率的估计往往较粗糙。提出的贝叶斯分析方法能够有效地利用系统运行过程的事故统计数据,对控制系统失效概率进行修正,可显著提高估计的精度。