证券市场对数收益率的广义偏斜t分布

本文的主要问题是研究证券市场中对数收益率的分布特征。对上证指数、深证成指、工业指数、地产指数、消费服务和食品饮料等6个指数一个年度的交易日的收盘数据,利用统计检验方法进行实证分析,分析结果表明:证券指数的对数收益率不服从正态分布,具有尖峰、厚尾、偏斜等特征,它们均以较大的概率被接受为服从广义偏斜t分布,所以广义偏斜t分布是研究证券市场对数收益率的合理分布。

斜t及斜Laplace分布

本文首先介绍一种用来处理重尾数据的斜t分布,并给出其相应的基本数字特征.基于Laplace分布的对称性及重尾性,定义一种新的分布一斜Laplace分布,推导出新分布的密度函数和分布函数,且通过密度函数曲线图书其与Laplace分布进行比较.最后,证实所提斜Laplace分布的重尾性质.

中国股市波动率预测——基于已实现EGARCH模型和已实现SVL模型的实证比较研究

通过采用上证综合指数数据,对已实现EGARCH(REGARCH)模型与已实现SVL(RSVL)模型在不同分布设定(正态分布、学生t分布与偏斜学生t分布)以及样本外阶段(预测总样本期、高波动期与低波动期)下的波动率预测表现进行实证比较研究。结果表明:在预测总样本期,REGARCH模型在3种分布下的样本外预测表现都优于RSVL模型,REGARCH模型在各分布下的样本外预测表现取决于选择的损失函数;在预测高波动期,其与预测总样本期具有相似的结论,但REGARCH模型在偏斜t分布下的预测表现最佳;在预测低波动期,其与预测总样本期的结论相反,即RSVL模型在3种分布下的样本外预测表现都优于REGARCH模型,RSVL模型在各分布下的样本外预测表现取决于选择的损失函数。

基于双成分已实现EGARCH模型的VaR度量研究

在对资产收益率和已实现波动率测度同时建模的已实现EGARCH模型的基础上,将资产收益率的波动率分解为两个成分:长期成分与短期成分,并引入偏斜t分布描述资产收益率的分布,构建了双成分已实现EGARCH模型对VaR进行测度.构建的模型充分利用了高频与低频数据信息,能够迅速捕捉大的市场波动,同时能够捕获波动率非对称性(杠杆效应)与长记忆性,充分刻画资产收益率的偏斜、尖峰厚尾分布特征,具有较高的建模灵活性,且易于实现.采用上证综合指数和深证成分指数日内高频数据,对双成分已实现EGARCH模型进行了实证研究,结果表明:沪深股市波动率具有高度的持续性以及显著的杠杆效应,且杠杆效应主要体现在短期波动率成分中;双成分已实现EGARCH模型相比单成分已实现波动率模型—已实现GARCH模型和已实现EGARCH模型不仅具有更好的样本内数据拟合效果,而且具有更为优越的样本外VaR预测效果.