金融波动的平方根随机自回归波动模型

讨论了SR-SARV模型的时间聚合性和同期聚合性,比较了波动模型之间的关系,指出了SR-SARV模型研究的意义,并给出其参数估计方法,对上证指数进行了实证研究。     

基于D-vine copula-分位数回归的组合投资决策

为克服传统组合投资决策模型使用方差风险的不足,建立D-vine copula-分位数回归方法估计多元条件联合分布,给出广义Omega比率组合投资决策模型求解方案.分别选取能源市场3种期货商品和不同行业5只股票进行实证研究,结果表明:基于D-vine copula-分位数回归的广义Omega比率组合投资决策模型,能够充分揭示与模拟金融资产收益变动规律,得到更高的Sharpe比率和广义Omega比率.     

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.     

分位数向量自回归分布滞后模型及脉冲响应分析

为研究多个时间序列条件分位数之间的关联关系,将向量自回归分布滞后模型扩展到分位数体系下,提出了分位数向量自回归分布滞后模型:QVARDL(p, q),给出其数学表示、参数估计、滞后阶数选择、脉冲响应分析等一整套建模方法.选取世界范围内主要国家(地区)资本市场作为研究对象,将建立的模型与方法应用于解释美国次贷危机的影响,结果表明:美国次贷危机在世界范围内产生了深远影响,但对不同国家(地区)的资本市场在影响程度、影响方式、响应时期等方面有着不同的表现.这一发现,有助于理解美国次贷危机的传播规律.     

向量FIGARCH过程的持续性

协同持续是协整概念在时间序列二阶矩意义上的体现，主要讨论条件方差过程之间的长期均衡关系。基于脉冲响应分析给出分数维波动持续和协同持续的定义，并研究了一类范围更广的模型族——FIGARCH过程的持续性问题。最后，运用双变量FIGARCH模型对我国两大证券市场的波动持续性进行检验，实证表明其波动行为存在分数维协同持续现象，这为动态金融风险规避策略的构建提供了理论依据。     

基于神经网络分位数回归的VaR金融风险测度

基于神经网络分位数回归给出VaR风险测度方法,一方面,通过其分位数回归功能可以揭示响应变量整个条件分布特征;另一方面,通过其神经网络结构,可以模拟经济系统中的非线性结构,从而很好地解决了VaR风险测度中遇到的2个难题:尾部风险测度与非线性关联模式。文章选取上证综指作为研究对象,将其与传统的VaR金融风险测度方法进行了实证比较,实证结果表明,基于神经网络分位数回归的VaR风险测度方法,在样本内与样本外都取得了较好的实证效果。     

Box-Cox-SV模型及其对金融时间序列刻画能力研究

利用Box—Cox变换构造的随机波动模型，即Box—Cox—SV模型，较好地概括了现有文献中出现的一些常用SV类模型，避免了模型选择中的困难．论证了该类模型的矩属性和平方序列的自相关特征，利用MCMC估计方法对上证指数收益序列建立了Box—Cox—SV模型，并与EGARCH模型对金融时间序列的刻画能力在理论上和实证上进行了对比研究．     

多元条件高阶矩波动性建模

类似于二阶矩风险(方差风险)的时变性,高阶矩风险也具有时变性.同时,为讨论多个市场或多个金融资产对应高阶矩风险之间的关系,需要建立多元条件高阶矩波动模型.提出了多元GARCHSK模型并给出其向量表达,用独立成分分解技术来解决多元GARCHSK建模中的“维数灾难”问题,给出多元条件高阶矩波动率的估计方法.最后,利用该模型对我国股市4个主要股指的高阶矩风险进行了动态描述.     

多分辨持续及协同持续研究

为刻画金融风险随时间尺度的变化关系,基于小波分析和脉冲响应分析,给出了多分辨持续及多分辨协同持续的定义,扩展了先前有关波动持续及协同持续相关主题的讨论,分析了多分辨持续的三种状态并论证了多分辨协同持续与协整之间的对应关系.这为描述金融风险的动态变化特征和消除其影响提供了理论依据,并给出实证加以验证.     

基于藤copula-CAViaR方法的股市风险溢出效应研究

为准确揭示金融风险溢出效应,建立藤copula-CAViaR模型来估计多元条件联合分布,进而推导CoVaR类风险测度方法.该方法既能刻画多个金融市场间非线性的关联关系,也能描述金融市场间"多对一"的风险溢出效应,主要包括三个步骤:第一,使用CAViaR模型拟合单个金融市场收益的边缘分布特征;第二,运用藤copula方法刻画多个金融市场收益间的关联结构;第三,基于边缘分布特征与关联结构,得到多元条件联合分布并计算CoVaR类风险测度,实现金融风险溢出效应刻画.选取上证综指、标普500和日经225等股指数据进行实证研究,结果表明:相比于发生利好事件,美国和日本股票市场(独立或同时)发生更为严重危机事件对中国股票市场影响更加明显,呈现出"风险分担、收益不共享"的总体格局.