基于EVT-BM-FIGARCH的动态VaR风险测度

对金融资产回报,用FIGARCH模型捕捉波动的异方差性和长期记忆性的同时,将回报序列转化为标准残差序列、通过用EVT-BM方法拟合标准残差的尾部分布来处理回报序列的厚尾性,建立了金融风险度量模型——基于EVT-BM-FIGARCH的动态VaR模型。并用该模型对上证综合指数进行实证分析,结果表明模型能够更精确、合理地度量上证综合指数回报的VaR风险。

基于EVT-POT-FIGARCH的动态VaR风险测度

金融实践中,金融资产回报不仅具有厚尾性、波动的异方差性两大特点,而且其波动表现出明显的长期记忆性。本文利用FIGARCH模型处理波动异方差性和长期记忆性、EVT-POT方法捕捉回报分布厚尾的优势,提出了能反映厚尾性、异方差性和长期记忆性的金融风险度量模型——基于EVT-POT-FIGARCH的动态VaR模型,并用中国股票市场的沪深300指数和上证综合指数的每日收盘价进行实证分析。结果表明,模型能较好地处理这两个指数回报序列的三大特点,更准确地度量其VaR风险。

FIGARCH模型对股市收益长记忆性的实证分析

一、问题的提出长记忆性是指过去的冲击持续到将来，对预期的将来具有很大的影响。在大多数情况下，自相关函数的曲线图用来描述时间序列的长记忆特征。因此长记忆性可以定义如下：假设Ｙｔ是一个离散的时间序列，ｊ阶滞后的自相关函数为ρｊ，如果有ｌｉｍｎ→∞Σｎｊ＝...

中国股市收益及波动的ARFIMA-FIGARCH模型研究

与现有研究方法不同,本文通过考察Akaike、Schwarz、Shibata、Hannan-Quinn四个信息准则,建立了描述深圳股票市场收益过程和波动过程双长记忆性特征的ARFIMA-FIGARCH模型。实证分析说明采用ARFIMA(0,m,1)-FIGARCH(1,d,0)模型拟合最好。研究结果表明:深圳成分指数日收益序列无长记忆,但波动序列具有较强的长记忆特征。

偏态t分布下FIGARCH模型的动态VaR计算

针对金融时间序列多是有偏分布和"长记忆性"的特征,讨论偏态t分布下分数维GARCH模型的动态VaR测算问题。在分析正态分布、学生t分布、广义误差分布下和偏态t分布的基础上估计模型参数,得出了动态VaR,并进行了失败率检验。实证结果表明:基于偏态t分布下的FIGARCH模型测算的动态VaR值克服了其他分布假设上的不足,能够较好地反映金融收益率的实际风险,并在该分布下的Pearson吻合度检验也证实了模型分布选择的正确性。

投资组合风险测度——基于FIGARCH-EVT-Copula方法

金融资产收益率不仅具有尖峰厚尾性、异方差性,还具有长记性。基于此,将FIGARCH、EVT和Copula有机融合,建立FIGARCH-EVT-Copula模型来估计组合风险值,利用上证指数、深成指数组合进行实证研究。实证研究表明:我国股市波动确实具有长记忆性;FIGARCH-EVT-Copula模型不仅能够准确刻画边缘分布的尖峰厚尾性、异方差性和长记忆性,而且较之于传统模型,该模型能更准确地测度投资组合风险。

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Skewed-t分布的FIGARCH模型与VaR的度量

金融资产收益率序列的波动具有典型的尖峰厚尾和非对称性特征,描述这种特性需以合适的概率分布函数为基础.因此,寻求更好的概率分布函数对风险度量、VaR的计算有着十分重要的意义.有鉴于此引入Skewed-t分布度量VaR,并比较分析了RiskMetrics及FIGARCH类模型度量VaR值的准确程度,本文同时分析了多头头寸和空头头寸情况下的VaR.结果表明,在两种头寸情况下,Skewed-t分布在空头和多头情形对资产厚尾特性以及非对称性的拟合效果均要比正态分布好;在两种头寸中不同的置信水平下,FIAGARCH(CHUNG)模型预测的VaR值改进了使用传统模型的精确性,高估或低估风险的程度较轻.

基于ARFIMA-FIGARCH模型的利率市场风险度量

随着中国利率市场化改革的加速,利率市场的风险管理问题引发了广泛的关注,作为筹集短期流动性资金的主要工具,同业拆借利率(Shibor)逐渐成为各金融机构决策参考的基准利率。在传统的ARMA-GARCH模型的基础上,引入Hurst指数捕捉Shibor的分形特征,使用扩展后的ARFIMA-FIGARCH模型对Shibor的隔夜和7日利率收益率的VaR进行度量和回测检验。结果显示:隔夜和7日利率收益率都具有反持续性,即收益率过去是上升趋势,则未来倾向于下降;考虑分形特征的ARFIMA-FIGARCH模型,比原模型对Shibor的度量更准确;在同业拆借市场中,Ged分布是解释多头VaR的理想选择,而正态分布是解释空头VaR的理想选择。

基于FIGARCH模型的地产股对金融股市场影响分析

2008年美国金融危机爆发后,房地产市场与金融市场的关系越来越受到人们的重视。本文以地产股指数变化情况代表房地产市场的整体发展趋势,选取中国深圳证券交易所地产股和金融股为研究对象,利用能够兼顾收益与尾部风险相关性测度的FIGARCH模型,探讨中国地产股对金融股波动及收益的影响;并以次贷危机爆发为界将样本分成两部分进行对比分析。结果表明,我国地产股整体行情指数的波动风险和收益对金融股股票均具有显著的正向影响;地产波动风险在危机前的影响大于危机后,而地产收益的影响则在危机后更大。研究结论有助于相关部门制定更合理的调控和监管政策,促进中国股市更健康的发展。

FIGARCH模型的参数估计与检验

一、问题的提出ＦＩＧＡＲＣＨ模型［１］是Ｂａｉｌｉｅ、Ｂｏｌｅｒｓｌｖｅ、Ｍｉｋｋｌｓｏｎ在Ｅｎｇｌｅ的ＡＲＣＨ模型［２］（１９８２年）的基础上于１９９６年提出来的。该模型比较擅长于反映这类金融资产的异方差特性以及长记忆的变动特性，它的主要应用领域是...

中国股市长记忆性与趋势变化研究——基于SEMIFAR-FIGARCH模型

文章对中国股市的长记忆性进行研究,在研究中将SEMIFAR模型与FIGARCH模型相结合,建立了既能反映收益率趋势变化情况又能描述收益率和波动长记忆特征的SEMIFAR-FIGARCH模型,利用该模型对我国沪、深两市的收益率和波动率的长记忆性及趋势变化进行实证分析,并与ARFIMA-FIGARCH、ARFIMA-HYGARCH模型结果比较拟合及预测效果。研究结果表明:我国沪、深两市的收益率和波动率均存在长记忆性;其收益率序列存在显著的趋势变化特征;SEMIFAR-FIGARCH模型的拟合和预测效果优于ARFIMA-FIGARCH、ARFIMA-HYGARCH模型,表明SEMIFAR-FIGARCH模型对我国股市有较好的模型解释能力和预测能力。

基于FIGARCH模型的中国房地产指数的实证分析

在T分布和正态分布假设下采用GARCH模型和FIGARCH模型对上证地产股指数日收益率序列进行建模分析,结果表明,上证地产股指数日收益率序列的波动具有显著的长记忆性,表明外部冲击对波动有着长期的影响。因此,采用FIGARCH模型建模的效果优于采用GARCH模型建模的效果,并且在T分布假设下拟合模型,其效果优于在正态分布假设下拟合的模型。

基于MODWT的FIGARCH模型波动的持续性与相关性

基于FIGARCH模型与最大重复离散小波变换的小波多分辨分析,提出了不同尺度下的FIGARCH模型,并以此来讨论金融波动序列在不同尺度下的持续性问题;利用可描述两列波动序列的整体相关特性的交叉互相关函数,提出了可以描述两列波动序列在不同尺度、不同滞后期下小波交叉互相关函数的定义,并进行了实证分析。

基于FIGARCH-EVT模型的黄金市场风险度量研究

针对中国黄金市场收益率的尖峰厚尾和波动聚集以及长记忆性等特征,利用FIGARCH模型能准确处理波动异方差性和长记忆性以及EVT方法能准确估计尾部风险的优势,提出了基于FIGARCH-EVT的动态VaR和CVaR风险度量模型。采用上海黄金期货Au1107合约进行了实证分析,其结果表明,FIGARCH-EVT模型能够较好地处理黄金市场收益率的三大特征,而且比GARCH-EVT模型风险度量的VaR和CVaR更精确。

FIGARCH模型的参数检验与估计

本文在FIGARCH模型的基础上介绍了其参数的检验方法,然后重点阐述了其参数的估计方法即极大似然估计方法(QMLE),并在QMLE中对算法进行了创新,提出了混合梯度算法。通过Monto-Carlo模拟实践中证明,混合矩梯度算法优于其它算法。

长记忆条件下我国房地产业的风险测量——基于GARCH和FIGARCH模型的动态VaR计算

从股票市场风险管理的角度分析房地产业指数,基于GARCH和FIGARCH模型对房地产业指数日收益率序列进行建模,在此基础上分别计算其VaR的值,并对二者进行比较。实证研究表明:房地产业指数收益率序列的波动具有长记忆性,FIGARCH模型的拟合效果优于GARCH模型;并且基于FIGARCH模型计算的VaR比基于GARCH模型计算的VaR能更有效地度量风险。

多元FIGARCH协同持续性及应用

本文介绍了风险持续性及协同持续性概念,并将一元FIGARCH模型扩展到二元常相关对角FI GARCH,给出相应的模型和估计方法。并利用沪深股市的数据对所给模型和方法进行了实证分析,得出两股市间的波动具有分数维协同持续的关系。