基于信息准则的连涨连跌收益率变结构分析

文章主要运用Schwarz信息准则(Schwarz information criterion,SIC)对上证综指连涨连跌收益率进行变结构分析,选用1992年5月至2015年5月近6 000个交易日的对数收益率数据,基于信息准则,检验该段时间内连涨和连跌收益率是否发生结构变化。如果发生结构变化,估计发生结构变化点的个数以及相应的变结构点位置,并探讨发生变结构的背后影响因素,并对连涨连跌收益率的不同变化情况给予解释。

基于TransPMF检验的连涨连跌收益率的变结构分析

主要运用基于Box-Cox变换的惩罚极大F检验(TransPMF test)对上证综指的连涨连跌收益率进行变结构分析.选用2000年1月到2014年12月共3814个日对数收益率数据,采用transPMF方法检验这段时间内的连涨与连跌收益率是否存在变结构问题,估计变结构的个数与位置,并对发生变结构的原因结合实际进行分析.

高频连涨连跌收益率的分位点Granger因果检验与条件VaR估计

分析了上证综指和深圳成指1min高频数据的连涨连跌收益率及相应持续期的平稳性,对它们的分布进行了指数分布、Gamma分布和Weibull分布拟合,发现拟合效果不好.基于分位点Granger因果关系检验,分析了连涨连跌收益率的影响因素,研究结果表明,大的连涨后跟着大的连跌的可能性较大,但是连涨极端收益率不受上一过程的连跌收益率的影响;上一个连涨连跌收益率的持续期越长,连跌收益率的风险越小;上一个连涨过程的持续期越长,下一个连涨过程的极端收益越小,而连跌过程的持续期对连涨的极端收益不存在影响.最后对连跌收益率的条件VaR进行了预测,结果表明分位点回归模型对条件VaR的预测效果较好.

高频连涨连跌收益率的相依结构以及CVaR分析

本文通过高频分笔数据定义了高频连涨、连跌收益率,并对两者的边缘分布以及相关特征进行了分析。为了在连涨(连跌)条件下对连跌(连涨)收益率的风险特征或者条件分位点进行分析,首先对两种收益率进行了两种不同的配对,得到两者的联合序列,并应用Copula方法来分析对两种收益率之间的相依结构,进而基于联合分布对条件VaR进行估计。最后对美国市场的BAC和JPM两支股票进行了实证分析,并从CVaR的角度验证了上涨和下跌时的不对称性以及杠杆效应。

自正则检验Gamma分布的变点问题

Gamma分布的变点问题在统计推断中十分常见。本文根据自正则检验研究Gamma分布中两参数变点的存在情况,选取上证指数连涨连跌收益率数据进行实证分析,研究其波动状况。结果证明,自正则检验在研究Gamma分布两参数的变点问题时效果显著。