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”.     

De Novo规划的推广

结合社会经济系统特点推广De Novo规划，讨论子多目标De Novo规划的优化设计，给出De Novo规划推广的一般形式，最后讨论了模糊De Novo规划问题。     

企业集团重组问题研究

运用企业理论的分析框架对企业集团的重组问题进行了模型描述.区别不存在企业间交互影响和考虑企业间交互影响两种情况,考察了不同控制结构和资源配置方式下,集团内企业在提高投入的激励方面的变化,及其对集团整体福利的影响.给出了描述集团重组策略的命题,证明了命题结论,并据此对企业集团重组安排提出建议.     

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。     

A Model-Free Method for Structual Change Detection Multivariate Nonlinear Time Series

1 .MOTIVATIONANDINTRODUCTIONRecently ,therehavebeenseveralnewtheoreticalre sultsforstationaryandnonstationarydynamicmod els ,nonlinearregressionmodel,simultaneousequa tionandEulerequationmodels.JournalofEconometrics( 1 996) publishedaspe cialvolumetobringtogetherahostofpapers,whichreflectsthediversityoftherecentdevelopmentsonthissubject.Thisvolumeismainlyfocusedonthefollowingaspects:finite sampletestsofparameterconstancyagainstthepresenceofstructuralchange,asymptotic proceduresformod…     

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。