基于GED—EGARCH模型的深圳股市风险价值研究

金融时间序列具有分布的厚尾性、波动的集聚性等特点,传统的方法难以准确度量其风险。根据GED分布适合刻画资产收益的厚尾分布和GARCH族模型能动态描述收益率行为的优点,得到基于GED分布的GARCH、EGARCH模型的日VaR的度量方法。利用深证综指数据,计算市场风险的日VaR,并利用Kupiec提出的LR统计量检验法对两模型的风险价值计算结果进行了比较。结果表明基于GED—EGARCH模型的风险价值能更好地刻画深圳股市的市场风险。     

基于市道轮换模型的SHIBOR市场利率

基于固定波动率模型和广义自回归条件异方差(generalized autoregressive conditional heteroskedasticity,GARCH)模型,研究引入马氏市道轮换模型.该模型可以将线性利率期限结构推广到非线性形式,运用到资产定价的变化中,特别是债券收益率的确定中.不同于唯一依赖利率水平的传统模型,马氏市道轮换模型能够模拟货币政策对利率的影响.利用2006-10-08至2013-03-29每周三上海银行间同业拆放利率(Shanghai interbank offered rate,SHIBOR)月度数据,用R语言实现并比较了固定波动率模型、GARCH模型以及混合GARCH马氏市道轮换模型对各参数的估计效果.结果表明,混合GARCH马氏市道轮换模型的拟合效果在各种情形下均占优.     

基于QR-m-GARCH(1,1)-GED模型的人民币汇率隔夜风险测度

将GARCH 类模型与分位数回归(QR)模型的组合模型应用于人民币汇率隔夜风险的研究, 同时考虑美元指数对其产生的影响。首先, 进行格兰杰 Granger 因果关系检验, 发现美元指数是人民币汇率隔夜收益率的Granger 原因; 其次, 将美元指数作为人民币汇率隔夜收益率的解释变量加入GARCH 类模型的均值方程中, 根据信息准则从中选出最优的模型; 最后, 将选出的m-GARCH 模型与分位数回归模型进行组合, 建立QR-m-GARCH(1,1)-GED 模型对人民币汇率隔夜收益率序列进行风险测度。实证结果表明: 美元指数价格走势对人民币汇率有引导作用; 模型中加入美元指数, 数据拟合效果更优; 在高显著性水平下, QR-m- GARCH(1,1)-GED 模型度量风险的准确率更高。因此, 投资者在规避人民币汇率风险时, 要注意美元指数的价格走势。     

中国股市波动的异方差模型

从分析上证A股股指收益率入手,运用了GARCH,EGARCH,TARCH等ARCH类模型.选定出能更好地刻画近期我国股指收益率序列特征的模型.实证分析结果表明:现阶段上海股票市场显著的表现出对信息反应的非对称性;通过模型的比较分析,发现GARCH模型能更好地刻画我国现阶段股指收益率序列的特征;上证A股市场的收益率一直存在风险补偿,且为负向,即风险惩罚。     

ARCH类模型及其在上证指数收益波动中的应用

介绍ARCH模型、GARCH模型和GARCH—M模型,分析ARCH类模型的特点。然后以上证综指日收益率作为研究对象,采用ARCH类模型结合Eviews统计软件对上证综指日收益率的时变性进行实证分析。实证结果表明,GARCH(1,1)模型能较好地拟合上海股市收益率的波动特征,如波动聚集性、长记忆性等;GARCH(1,1)-M模型也能很好地拟合股市中风险与收益率之间的关系。     

我国银行间同业拆借利率的非线性分析

运用R/S方法研究中国银行间同业拆借利率序列得出中国银行间同业拆借利率序列不服从对数高斯分布;中国银行间同业拆借市场不是一个有效的市场,其收益率序列均为服从分形概率分布的持久性时间序列,它们遵循有偏随机游动,市场表现出一定的趋势行为;中国银行间同业拆借利率序列的赫斯特指数H为0.68.也就是中国银行间同业拆借市场呈现出长期记忆等非线性的混沌特征.最后,对中国银行间同业拆借利率时间序列进行相空间重构,并计算出其关联维数.     

动态VaR估计模型及实证

为了准确描述金融收益率序列的波动率聚集,异方差、厚尾等特性,研究我国证券市场的时变风险,本文利用极值理论和GARCH模型在处理金融数据上的优点,构造了基于GARCH-EVT的条件VaR模型,并对沪市综合指数收益率进行实证研究,结果表明,上海股市存在ARCH效应,收益率序列具有较强的自相关性;以GARCH模型为基础的条件极值方法比GARCH-正态和GARCH-t模型更好地消除了厚尾性对估计结果的影响,能更准确地捕捉风险的时变特性.     

基于GARCH模型的企业汇率风险度量研究

运用极值理论和GARCH模型对企业的汇率风险进行研究,分析人民币对美元的统计分布特征,并对收益率的尾部进行建模,进而计算出VaR与CVaR值,返回检验证明该模型具有准确性与有效性。研究结果表明,该模型具有超越样本的估计能力,比传统工具更适合度量尾部分布下的金融时间序列。     

基于GARCH模型的WTI原油价格波动性分析

运用GARCH、EGARCH的t分布模型对WTI原油现货价格进行了统计拟合分析,得到了其收益率序列尖峰厚尾和异方差性等主要概率特征,并对GARCH、EGARCH的t分布模型的预测效果进行了比较分析,发现基于学生t分布的EGARCH模型比GARCH模型能更好地描述WTI原油价格的波动特征,并且具有较好的预测能力.     

基于GARCH族模型的创业板指数收益率波动分析

基于GARCH族模型,对创业板指数收益率的波动性进行实证分析。利用创业板挂牌上市以来的历史数据分析,发现该序列具有尖峰厚尾和异方差性,适合GARCH族模型建模。实证比较表明,GARCH-M模型能够很好的描述创业板股指的波动规律。     

基于GARCH模型的证券市场风险的VaR度量

在对VaR理论进行简单介绍的基础上,将残差分别服从正态分布、T-分布、GED分布的GARCH族模型运用到VaR的计算当中,对中国上证综合指数进行了实证分析,并对各GARCH族模型的计算结果进行了比较,在对VaR值进行准确性验证后发现:T-分布和GED分布下的GARCH族模型预测的VaR值比较准确,能较真实地反映上证综指的市场风险程度,据此得出了几点结论和建议。     

基于时变Copula GARCH模型的金融风险度量

以GARCH(1,1)-Norm模型为边缘分布,以Kenddall tau为工具,采取滑动窗口的方法,建立了GARCH-时变-Copula模型,在此基础上利用蒙特卡洛技术度量了不同权重下的组合资产风险。通过对金发科技和ST国农两支股票的数据进行实证分析,利用失败天数的检验方法,验证了基于Kenddall tau与时间序列分析模型相结合的时变Copula模型在度量组合资产风险上的可行性与准确性。     

基于自回归条件异方差(ARCH)族模型的收益率波动性分析

自回归条件异方差(ARCH)模型广泛应用于金融市场的时间序列分析,有效刻画股市变化特征与规律。基于ARCH模型与GARCH族模型,选取2010年1月至2018年12月期间上证指数据分析了各模型下的收益率波动性,通过ARCH-LM检验得到EGARCH模型的拟合效果最好,且上证指数收益率波动明显存在非对称性。     

基于因子分析模型的利率波动分析（120）

利用因子分析和时间序列分析法将同业拆借市场上的16种利率品种分为2组进行分析,构建利率预测模型.其中一组利率表现出短中期波动趋势,另一组利率则表现出长期波动趋势.基于短中期波动趋势的公共因子建立AR(5)模型,基于长期波动趋势的公共因子建立ARMA(2,4)模型,进行实证分析.     

股票收益率的组合分布研究

股票收益率等金融时间序列具有尖峰厚尾性,因而不适于用正态分布来描述.建立在极端事件风险的理论基础上,提出了由原始分布和尾分布组成的组合分布模型.并对深证成分A指的收益率进行了组合分布拟合.结果显示组合分布不仅比原始分布和正态分布在效率上有明显的提高,而且能较准确地估测股票的风险价值.     

VaR方法在开放式基金风险评估中的运用—基于PARCH模型的分析

中国开放式基金的收益率序列呈现左偏、尖峰厚尾、波动聚集的特性,利用ARCH(自回归条件异方差)模型进行拟合能够更好地刻画其分布特征。通过对拟合效果的比较,发现PARCH(Power ARCH)模型对基金日收益率序列的拟合效果最好。在此基础上,建立PARCH-VaR模型,用以评估中国开放式基金的风险。在残差服从正态分布t、分布及广义误差分布的三种假设下,基于广义误差分布的PARCH模型计算的VaR值最能够客观地反映中国开放式证券投资基金的风险。     

上海股市收益与流动性风险动态关系实证

应用Engle(2002)提出的动态条件相关多元GARCH模型(DCC-MVGARCH)和向量自回归(VAR)方法,研究了上海股票市场收益与Acharya and Pedersen(2005)提出的三种流动性风险以及系统风险变量的动态关系.研究结果表明,上海股市存在系统风险溢价和流动性风险溢价,但风险变量对收益率的影响较小,股市的风险传递机制尚未真正形成.     

我国消费行业间风险度量及相依性研究

对食品加工制造、饮料制造、服装家纺、白色家电、汽车整车行业板块指数进行风险度量及相依性研究, 构建 ARMA-GARCH-偏t 模型, 求得95%、99%置信水平下的VaR 序列检验风险度量效果, 采用C-Vine Copula 与 D-Vine Copula 模型对由经验累积分布函数转化的99%置信水平下的VaR 序列进行相依性研究, 结果表明: ARMA-GARCH-偏t 模型风险度量效果较好;C-Vine Copula 表明服装家纺为风险传递的中心行业; D-Vine Copula 表明饮料制造与汽车整车行业相关性最弱,D-Vine Copula 模型更能体现行业间的风险相依关系。     

一种q-高斯分布的VaR计算方法

准确地描述资产收益率分布是进行风险度量的基础.利用q-高斯分布刻画股票的收益率,运用泰勒级数给出一种新的基于q-高斯分布的VaR计算公式.实证分析结果表明,运用q-高斯分布拟合上证综合指数的收益率比用正态分布样本平均误差减少了22.40%;在置信水平分别为0.05和0.01下,正态分布计算的VaR要比q-高斯分布计算的分别低估16.00%和30.88%;而且低估风险的程度随置信水平的减小而增加.说明q-高斯分布能够准确地刻画资产收益率分布的"尖峰厚尾"现象,用该分布进行VaR风险度量可以有效地克服风险被低估情况的发生.     

我国货币政策对银行间同业拆借利率期限结构的影响效应研究

在中央银行提高（降低）对金融机构一年期的贷款利率的两个月内,所有期限银行间同业拆借利率与中央银行基准利率同向变动,但长期银行间同业拆借利率的变动幅度相对较大,银行间同业拆借利率期限结构曲线呈现截面稍微向上（下）倾斜变化和动态平行移动变化.在中央银行调整对金融机构一年期的贷款利率后的第二个月,所有期限的银行间同业拆借利率仍随中央银行基准利率同向变动,但中期银行间同业拆借利率变动幅度相对较大.我国银行间同业拆借利率期限结构随中央银行基准利率的变化规律反映了货币政策和经济周期的相互作用.当中央银行提高（降低）对金融机构一年期的贷款利率时,长期资金缺口增加（减小）,短期资金缺口减小（增加）,长期银行间同业拆借利率相对短期银行间同业拆借利率增加（降低）幅度较大.随着长期资金缺口增加（减小）,外源融资溢价增加（减小）,货币性资产收益率增加（降低）,中期银行间同业拆借利率增加（降低）幅度相对较大.