变利率下基于SV模型的最优再保险-投资研究

对于模糊厌恶型保险商(ambiguity-averse insurer,简称AAI),考虑比例再保险,并将盈余资金在无风险资产和风险资产中进行配置,假设无风险利率是以确定性利率函数表示,而风险资产价格服从Heston随机波动率模型。首先,在模型不确定下,利用Girsanov变换得到保险商的等价财富方程。其次,通过动态规划原理建立了相应的HJB (Hamilton-Jacob-Bellman)方程,并针对CARA (Constant Absolute Risk Aversion)效用函数求解HJB方程,得出最优的再保险-投资策略,最后给出数值模拟并做出经济学解释。

基于VS-MSV模型的金融市场波动溢出分析及实证研究

对于动态投资组合与风险管理来说,测定波动溢出效应是非常重要的。已有的资料显示SV模型比GARCH模型能够更好地刻画金融市场的波动,使用SV模型研究两个金融市场间波动溢出的文献并不多见,而使用多元SV模型研究多个金融市场间波动溢出则属空白。为了同时研究分析金融市场之间的波动溢出,作者在研究多元SV模型的基础上,建立了能分析判断波动溢出的模型——VS—MSV模型,并进行了实证分析。

基于SV模型的深圳股市波动的预测

首次应用基本SV(stochasticvolatility)模型及其扩展ASV(asymmetricstochasticvolatility)模型来预测深圳股市的波动,并根据对称和非对称两类评价准则,对SV类模型的预测效果与常用模型的预测效果做了比较。结果表明,对于深圳股市基本SV模型具有最好的预测效果;ASV模型的表现稍差于基本SV模型,但好于GARCH模型;GARCH模型的预测效果不稳定,随评价准则的不同而有显著差别。

基于GARCH模型和SV模型的VaR比较

简单介绍了VaR的含义及计算方法,指出推测市场因子的波动情况是计算VaR的关键.通过对比GARCH和SV模型,得出SV模型更能刻画金融市场的实际特征.将随机波动SV模型应用于VaR的计算,最后作实证研究.通过与GARCH模型下的结果对比,说明基于SV模型计算的VaR更具有动态性和准确性,VaR更贴切地反映了金融市场的风险水平.

具有杠杆效应SV模型的贝叶斯分析及其应用

对具有杠杆效应的 SV模型进行了的贝叶斯分析 ,使用基于 Gibbs取样的 BUGS软件对模型的参数进行了估计。用上海和深圳股市的指数收益时间序列对杠杆效应 SV模型进行检验 ,指出沪。

基于SV模型的我国债券信用价差动态过程研究

针对我国债券市场,选取2005年6月至2010年6月的AAA级企业债和国债月度交易数据分别构建基于SV模型的利率期限结构,然后利用遗传算法求解来拟合较为精确的企业债和国债的即期利率曲线,据此计算信用价差.在对我国企业债按不同的期限进行时间序列分析后,发现各信用价差序列均是一阶单整序列,呈现自回归和移动平均的特征,信用价差ARMA模型的拟合优度相比多元线性回归模型有提高;信用价差VAR模型能很好的拟合多个期限企业债信用价差序列之间的动态相关关系;脉冲响应分析表明,各期限信用价差序列对其他期限信用价差序列的冲击在前10期会造成较为剧烈的波动,但幅度较低,且冲击不具有较长的持续效应.实证结果在一定程度上为投资者和监管者提供了决策依据.

基于藤结构Copula-SV模型的外汇投资组合风险分析

文章针对现有时间序列统计模型对高维金融资产收益率特征描述不充分导致的风险度量不准确问题,构建了藤结构Copula-SV模型,用以对单个外汇资产收益率的波动异方差性和外汇资产间的复杂相关性进行描述。基于四种外汇资产(美元、欧元、日元和港币)的实证结果表明藤结构Copula-SV模型能较好地描述外汇资产的波动异方差性和复杂相关性,且基于拟合模型采用对偶变量法的Monte Carlo模拟计算出来的VaR通过了Kupiec失败率检验。

基于SV模型和KLR信号分析的期货逼仓风险预警模型

采用期货价格波动风险、持仓量波动风险和基差波动风险三大因素衡量期货交易中的逼仓风险。采用KLR信号分析法、SV随机波动模型、GARCH模型等构建了逼仓风险预警模型，为期货市场中的逼仓风险预警监控提供了理论依据和具体的方法。本研究最为关键的突破创新有以下两点：一是结合KLR信号分析法、SV模型等建立了期货交易中的逼仓风险预警模型。经1980～2006年的文献检索发现本研究是针对我国期货交易逼仓风险预警问题首次提出的定量分析模型，解决了我国期货界对逼仓风险至今没有预警方法的难题。二是在本研究中将现有KLR信号分析法与风险指标预测模型相结合，突破了以往使用KLR信号分析方法只能采用历史数据对未来情况进行预警而造成的预警误差。经实证分析，本研究的逼仓风险预警模型精度可达76．67％。

厚尾SV模型的贝叶斯分析及其应用研究

SV模型在实际应用中大多都假定以潜在波动为条件的收益的分布是正态的,本文分析并比较了正态SV模型和具有厚尾分布,特别是t分布的SV模型。为了估计SV模型的参数,我们使用了BUGS软件,该软件借助Gibbs取样(一种MCMC方法)方法对模型进行贝叶斯分析。用上海和深圳的股票指数数据对两种SV模型进行了检验,认为厚尾SV模型可以更好地刻画收益的尖峰厚尾以及波动高的持续性。最后提出了使用BUGS软件对SV扩展模型进行估计的展望。

ARCH模型与SV模型之间的关系研究

讨论了在金融时间序列中广泛应用的两类波动性模型,即自回归条件异方差(ARCH)模型和随机波动(SV)模型的关系问题.通过随机微分方程研究了GARCH模型和SV模型的相互联系并得到结论:一个离散的EGARCH(1,1)模型在弱GARCH过程的条件下与一个离散的SV模型是一一对应的.在此基础上进一步讨论了EGARCH(1,1)模型和SV模型的单位根问题,结果表明,两类模型的单位根存在对应的关系,即二者的持续性能够通过随机微分方程的形式来传递,这一性质表明了二者之间存在本质的联系.

基于SV模型的中国债券信用价差影响因素研究

针对中国债券市场,选取2005年6月—2010年6月的企业债和国债月度交易情况,对静态利率期限结构SV参数模型利用遗传算法求解,拟合较为精确的企业债和国债的即期利率曲线,据此计算出企业债的信用价差。在对中国AAA级企业债按不同的期限进行回归分析后发现,该等级债券的信用价差曲线形态呈下降趋势,原因可能是中国债券信用评级过高、担保机制存在问题等;对不同期限企业债信用价差的宏观经济影响因素大致相同,如居民消费价格指数、国内生产总值的变化率等,而且这些信用价差序列之间存在显著的相关关系。

基于已实现SV模型的动态VaR测度研究

基于日内高频数据构建的已实现波动率测度在金融计量经济学文献中引起了学者们的广泛关注。将已实现波动率引入传统的SV模型(基于日度收益率),同时考虑金融资产收益率与波动率的"有偏"、"尖峰厚尾"以及"非对称效应"等典型特征事实,构建融合高频与低频数据信息的已实现SV(RSV)模型,与有偏广义误差分布(sged)相结合来测度动态风险值(VaR)。为了估计RSV-sged模型的参数,提出基于有效重要性抽样技巧的极大似然方法。采用上证综合指数和深证成份指数日内高频数据进行的实证研究表明,RSV-sged模型能够有效地刻画中国股票市场的波动性特征,并且展现出优越的风险测度能力。

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.

SV模型的变结构研究及应用

探讨 SV模型的诊断分析和变结构建模问题 ,并在扩展 SV模型基础上利用分段建模方法来检测模型结构变化点和分段变化模型的选择 。

Box-Cox-SV模型及其对金融时间序列刻画能力研究

利用Box-Cox变换构造的随机波动模型,即Box-Cox-SV模型,较好地概括了现有文献中出现的一些常用SV类模型,避免了模型选择中的困难.论证了该类模型的矩属性和平方序列的自相关特征,利用MCMC估计方法对上证指数收益序列建立了Box-Cox-SV模型,并与EGARCH模型对金融时间序列的刻画能力在理论上和实证上进行了对比研究.

连续时间SV模型的估计及在金融风险分析中的应用

本文分析了由连续时间平方根随机波动模型确定的资产收益的无条件联合特征函数及统计特性。对连续时间SV模型,提出了基于经验特征函数的参数估计方法,这种估计方法既不需要对连续时间过程的离散化,也不需要取样路径的模拟,实施起来较简单。使用上海和深圳股市的指数日收益数据对经验特征函数方法在连续时间随机波动模型参数估计中的应用进行了实证分析,并证明了两个市场波动过程存在均值回复及连续时间随机波动模型拟合资产收益数据的优势。

GARCH模型和SV模型对深圳股市的比较

文章采用GARCH模型和SV模型对深圳股市进行了实证分析;结果表明,基本SV模型较GARCH(1,1)模型能更好地拟合实际金融时间序列数据;从总体上来说,基本SV模型的预测效果优于GARCH(1,1)模型。

基于Heston’s SV模型下带有违约风险的最优再保险—投资策略

对于模糊厌恶型保险公司,在可违约金融市场中,考虑其比例再保险—投资问题。假设在任意时刻保险公司可购买比例再保险和投资无风险资产、风险资产和可违约债券,其中风险资产价格服从Heston’s SV(Heston s Stochastic Volatility)模型。首先,考虑模型不确定性,采用与参考模型概率测度等价的概率测度描述替代模型。利用Girsanov变换得到保险公司在替代模型下的财富过程,并通过动态规划原理建立了相应的HJB(Hamilton-Jacob-Bellman)方程,其中,文章用含状态依赖的不同偏好参数度量模型不确定性的模糊度。其次,分别在违约前和违约后的情况下,针对CARA(Constant Absolute Risk Aversion)效用函数求解HJB方程,得到了最优稳键的再保险—投资策略,并给出了数值模拟和经济学解释。结果表明:相比较使用同一偏好参数的模型结果,文章的最优策略的表达式更精确,考虑的模型更符合实际金融环境。

多元长记忆SV模型及其在沪深股市的应用

对多元长记忆随机波动进行建模,并给出了相应的谱似然估计方法以及在多元随机波动模型框架下分数维协整的检验步骤.最后用上海和深圳的数据对所给的模型与方法进行了实证检验.

基于小波变换的时变长记忆SV模型估计方法研究

研究了基于小波变换的时变长记忆SV模型参数的估计方法.根据小波变换可将过程分解到不同的尺度上以及长记忆SV过程同一尺度下和不同尺度下DWT系数的近似不相关性,提出了建立局部似然函数的方法,又根据DWT系数和MODWT系数之间的关系,将局部似然函数表示为模型参数和局部小波方差估计的形式.用该方法对中国股市收益进行了时变长记忆SV模型参数的估计.