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...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.展开更多
本文对Van der Weide(2002)的广义正交GARCH模型进行扩展,提出反映金融资产收益波动性特征,具有"杠杆效应"的广义正交GARCH模型。由于这种扩展的广义正交GARCH模型在高维数据中面临参数估计困难,本文从交互信息理论视角研究...本文对Van der Weide(2002)的广义正交GARCH模型进行扩展,提出反映金融资产收益波动性特征,具有"杠杆效应"的广义正交GARCH模型。由于这种扩展的广义正交GARCH模型在高维数据中面临参数估计困难,本文从交互信息理论视角研究模型的参数估计问题,在理论上证明基于交互信息最小化的多元GARCH模型参数估计与基于极大似然函数参数估计的联系和区别,并在提出的扩展广义正交GARCH模型框架下,采用不同的统计技术实现基于交互信息最小化的参数估计方法,避免了传统极大似然函数估计需要事先正确指定标准化残差概率密度函数和高维运算困难,计算效率较高,使多元GARCH模型在高维数据中可以应用。最后,根据全球主要金融市场的15种股票指数数据,通过实证研究对建立的扩展广义正交GARCH模型及其参数估计方法有效性进行评价与检验。实证研究表明了本文提出的扩展广义正交GARCH模型与参数估计方法的优势。展开更多
文摘应用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.
文摘本文对Van der Weide(2002)的广义正交GARCH模型进行扩展,提出反映金融资产收益波动性特征,具有"杠杆效应"的广义正交GARCH模型。由于这种扩展的广义正交GARCH模型在高维数据中面临参数估计困难,本文从交互信息理论视角研究模型的参数估计问题,在理论上证明基于交互信息最小化的多元GARCH模型参数估计与基于极大似然函数参数估计的联系和区别,并在提出的扩展广义正交GARCH模型框架下,采用不同的统计技术实现基于交互信息最小化的参数估计方法,避免了传统极大似然函数估计需要事先正确指定标准化残差概率密度函数和高维运算困难,计算效率较高,使多元GARCH模型在高维数据中可以应用。最后,根据全球主要金融市场的15种股票指数数据,通过实证研究对建立的扩展广义正交GARCH模型及其参数估计方法有效性进行评价与检验。实证研究表明了本文提出的扩展广义正交GARCH模型与参数估计方法的优势。