基于多元LMSV模型的中国与国际股市间的风险溢出效应研究

基于非线性范式分析金融市场风险溢出效应,并引入多元LMSV模型研究国际股市间的风险溢出效应。为了优化LMSV模型的谱对数似然函数,提出混沌禁忌遗传退火算法。研究表明,港、日、美、英、德等发达国家或地区的股市都对作为新兴市场代表的沪市存在正的风险溢出效应,但溢出效应的规模相差较大,作为金融危机源头的美股对沪市的风险溢出效应最大;沪市对港、日、美股市存在负的风险溢出效应,而对英、德股市存在正溢出效应。

基于小波变换的LMSV模型波动长记忆性估计与检验

将小波引入到LMSV模型波动长记忆性的估计与检验中 ,提出了基于小波变换的LMSV模型波动长记忆性的伪极大似然估计法和波动长记忆性的检验方法 .用不同参数值和样本容量的数据进行了模拟实验 ,又用该方法对上海和深圳证券交易所综合指数收益序列的LMSV模型的波动长记忆性进行了检验和估计 。

基于小波变换的LMSV模型对人民币汇率波动的研究

将小波引入到LMSV模型波动长记忆性的估计与检验中,提出了基于小波变换的LMSV模型波动长记忆性的伪极大似然估计法和波动长记忆性的检验方法,并对各汇率波动序列长记忆效应的大小程度进行了验证.结果表明各汇率波动序列存在长记忆效应,人民币对美元的汇率波动序列受历史信息的影响程度最高.

LMSV模型波动的长记忆与相关性的小波分析

本文提出了LMSV模型的波动自相关函数的定义,将小波分析方法引入到LMSV模型的建模研究中,提出了基于最大重复小波变换(MODWT)的不同尺度下的LMSV模型,并进一步讨论了不同尺度下的波动自相关函数的性质,并用该方法对上海和深圳证券市场综合指数收益波动序列进行建模,对在同一尺度和不同尺度下的长记忆性与相关性进行了实证分析。

基于pair copula-LMSV-t模型的投资组合风险研究

提出了LMSV-t模型并以其作为边缘分布的估计,来构建pair copula-LMSV-t多元投资组合模型.采用LMSV-t模型估计边缘分布能够更好地刻画资产收益率的波动性和长记忆性等非线性特征,从而更精确地估计投资组合的VaR.同时通过对中国股市开放式基金的实证分析,证明该投资组合模型在描述单个资产的非线性特征和资产之间的相依性方面都有进步.

基于小波变换的LMSV模型变结构研究

提出了应用DWT(离散小波变换)系数累积平方和的LMSV(长记忆随机波动)模型单一变结构点的检测与基于最大重复离散小波变换(MODWT)系数的变结构点的定位方法,并提出了LMSV模型多个变结构点的检测与定位方法.该方法既能对变结构点进行检测和定位,又能同时确定各结构变化发生的尺度.用该方法对沪、深股市综合指数的收益序列进行了波动变结构分析,理论与实证结果表明该方法是有效且可行的.

基于LMSV模型的半参数方法对股市波动长记忆特征的识别

在金融时间序列波动具有显著的长记忆性这一背景之下,研究了LMSV模型长记忆参数的估计问题。首先,分析了LMSV模型的相关性质;接着,根据LMSV模型和ARFIMA模型的良好对应关系,提出了估计LMSV模型长记忆参数的半参数方法;最后,基于股市数据,验证了波动半参数方法的有效性。

基于RV的LMSV模型在中国股市中的实证研究

本文研究了金融高频时间序列的长记忆特征,介绍了已实现波动率、长记忆随机波动模型以及参数估计方法。由于长记忆随机波动模型(Long Memory Stochastic Volatility Model,LMSV)模型中参数较多,常用的参数估计方法不能解决参数估计问题,故采用半参数估计方法——Local Whittle估计。通过上海证券交易所上证综指2000年一2008年每五分钟的数据,选择ADF单位根检验验证了金融高频时间序列的平稳性,自相关图、重标极差法、对数周期图法验证了长记忆性,利用LMSV模型对中国股市的长记忆特征进行了参数估计,与广泛使用的自回归分整移动平均模型(Auto—Regressive Fractional Integrated Moving Average,ARFIMA)进行了对比,得到的长记忆参数d的估计结果均符合长记忆性的定义,发现LMSV模型在实际应用中的有效性。

长记忆随机波动模型的估计与波动率预测——基于中国股市高频数据的研究

为了有效捕捉中国股市波动率的长记忆性,提高远期波动率的预测精度,本文基于中国股市高频数据建立了长记忆随机波动模型,检验高频数据中时变的"日历效应"成分的频率,有效地对"日历效应"进行滤波。使用频域内拟极大似然方法估计LMSV模型参数,为了提高计算效率应用混沌优化算法进行最优搜索。对比了高频数据直接建模和已实现波动率方法建模的预测结果发现,通过高频数据估计的LMSV模型可以很好保留高频数据中所包含的信息量,克服信息丢失问题,预测结果要优于已实现波动率方法建模预测的结果。

基于小波变换的长记忆随机波动模型估计方法研究

根据ARFIMA过程的小波分析结果,将小波引入到长记忆随机波动(Long Memory Stochastic Volatility)LMSV模型的估计中,提出了基于小波变换的LMSV模型的参数估计和潜在波动过程的估计方法。用不同参数值和样本容量的数据进行了模拟实验,又用该方法对上海和深圳证券交易所综合指数的收益序列拟合了LMSV模型,结果表明该方法是有效且可行的。

一种含流动性风险的保证金模型

针对现有模型无法有效解决期货组合的市场价格风险和流动性风险之间关系的刻画问题,对两种风险分开建模,首先考虑不同期货间同类风险的相关性,再考虑流动性风险和市场价格风险间的交互作用,进而给出一个含流动性风险的保证金模型设定。

基于小波分析的金融波动分析

提出了一种基于小波方差的金融波动的长记忆分析方法,以及基于小波协方差的不同市场金融波动相关性的分析方法,用该方法对上海和深圳证券市场综合指数收益波动序列进行了分析,结果表明该方法是有效和可行的.又对长记忆随机波动(LMSV)过程同一尺度下和不同尺度下的离散小波变换(DWT)系数的相关性进行了分析,结果表明同一尺度和不同尺度下的DWT系数都是近似不相关的.