动态VaR估计模型及实证

为了准确描述金融收益率序列的波动率聚集,异方差、厚尾等特性,研究我国证券市场的时变风险,本文利用极值理论和GARCH模型在处理金融数据上的优点,构造了基于GARCH-EVT的条件VaR模型,并对沪市综合指数收益率进行实证研究,结果表明,上海股市存在ARCH效应,收益率序列具有较强的自相关性;以GARCH模型为基础的条件极值方法比GARCH-正态和GARCH-t模型更好地消除了厚尾性对估计结果的影响,能更准确地捕捉风险的时变特性.     

基于小波的GARCH模型及其在汇率中的应用

将GARCH模型和小波多分辨分析相结合,通过小波Mallat算法把RMB／HKD汇率一阶差分数据分解为若干层时间序列,然后用GARCH模型对每层的单支重构信号进行预测,综合每层的预测值得到原时间序列的预测值．实证研究表明：结合小波后的预测效果要优于传统的预测模型;且RMB／HKD汇率没有明显的杠杆效应．     

组合模型对股票价格预测的比较研究

股票价格预测向量是投资者、分析家以及很多学者所关注研究的对象,传统的预测模型已发展得比较成熟,而近年产生的新型统计学习理论也逐渐成为了预测的工具,比如神经网络,支持向量机等。对三种传统与新型模型混合的组合模型（ARIMA、GARCH、SVR）进行预测,并比较分析,得到一定的结论。     

国内专利申请受理情况时间序列的GARCH模型及预测

建立了国内专利申请受理情况时间序列的多种自回归模型、多种条件异方差模型．比较各个模型检验参数及预测精度,确定国内专利申请受理情况时间序列的GARCH（1,1）模型为优化模型,预测2008年国内专利申请受理情况时间序列将继续保持上升趋势,受理量预测值为723913件,预测相对误差不大于1．1％．     

基于市道轮换模型的SHIBOR市场利率

基于固定波动率模型和广义自回归条件异方差(generalized autoregressive conditional heteroskedasticity,GARCH)模型,研究引入马氏市道轮换模型.该模型可以将线性利率期限结构推广到非线性形式,运用到资产定价的变化中,特别是债券收益率的确定中.不同于唯一依赖利率水平的传统模型,马氏市道轮换模型能够模拟货币政策对利率的影响.利用2006-10-08至2013-03-29每周三上海银行间同业拆放利率(Shanghai interbank offered rate,SHIBOR)月度数据,用R语言实现并比较了固定波动率模型、GARCH模型以及混合GARCH马氏市道轮换模型对各参数的估计效果.结果表明,混合GARCH马氏市道轮换模型的拟合效果在各种情形下均占优.     

上海股市收益与流动性风险动态关系实证

应用Engle(2002)提出的动态条件相关多元GARCH模型(DCC-MVGARCH)和向量自回归(VAR)方法,研究了上海股票市场收益与Acharya and Pedersen(2005)提出的三种流动性风险以及系统风险变量的动态关系.研究结果表明,上海股市存在系统风险溢价和流动性风险溢价,但风险变量对收益率的影响较小,股市的风险传递机制尚未真正形成.     

GARCH模型的相依性

验证广义自回归条件异方差(GARCH)过程中的绝对值序列和平方序列都是两两PQD序列,讨论了GARCH(1.1) 模型的两两正相依性,研究了关于GARCH序列部分和的不等式。这些性质和GARCH过程的条件异方差性是一致的,同时也说明用GARCH模型来描述金融时间序列的波动聚类现象是合理的。     

KMV模型评估暂停上市公司信用风险的实证研究

选取上证、深证A股32家2010年暂停上市公司作为高违约风险企业的样本,按照公司运营状况将其特殊处理前的5年划分为＂健康期＂和＂风险期＂,运用KMV模型并引进GARCH（1,1）对模型参数进行更高精度的估计,计算出违约距离。结果表明该模型能有效判别违约风险,公司所处时期对违约距离有显著影响,并计算出违约警戒区间。     

成都市居民未来生活用水量预测模型的选择

以成都市居民生活用水量为背景,采用不同的预测方法进行了实例计算,分析比较了多个模型的预测精度,并在此基础上确定了适合成都市居民生活用水量变化特征的新的预测模型－自组织模型。研究结果表明,自组织方法（GMDH）是强有力的建模方法,是一种有效的预测手段。     

上证指数的非线性动态结构分析

采用高阶自回归条件异方差(ARCH)模型检验了上证指数的统计性质.GARCH-M(3,4)模型,TARCH-M(3,4)模型和EARCH-M(3,4)模型成功描述了上证指数的非线性动态结构及条件均值和条件方差下的不对称性.GARCH-M(3,4)模型的拟和效果较之后两个模型更好.     

基于GARCH类模型的黄金价格波动性研究

针对我国黄金交易中的现货延期交收业务(AU(T+D))的价格波动性问题,以2008年1月2日至2010年6月4日的日收盘价共593个数据为研究对象,建立多个广义自回归条件异方差(GARCH)类模型,通过对模型的参数检验和残差检验选择了最佳模型指数GARCH(1,1)模型,并且得出了这一时间段内我国黄金AU(T+D)市场灵敏性高,投资者对信息反应剧烈,并且具有波动持续性等结论。     

基于GARCH-EWMA的期货价格预测模型

在EWMA和GARCH模型思想的基础上,提出基于GARCH-EWMA的期货价格预测模型,为期货市场合约价格的预测提供新的预测方法.本模型的特点一是GARCH模型对EWMA模型中的关键参数———衰减因子进行测定,解决以往使用EWMA模型时没有一个科学的确定衰减因子的方法.二是通过分别对大豆和豆粕期货合约的衰减因子进行确定,发现不同品种不同时间的衰减因子显著不同,因此,对于不同商品有区别地采用相应的衰减因子;解决以往预测模型对不同期货商品的预测均采用同一模型的问题.     

优化灰色GM(1,1)模型在黄河下游灾变预测中的应用

针对灰色GM(1,1)模型精度不稳定的问题,对GM(1,1)模型的建模机理进行探讨,根据指数函数和线性函数的特性,利用分析技巧,提出了2类优化模型,并将此优化模型应用于黄河下游堤防工程坍塌险情灾变预测中.结果表明,2类优化模型均比原始GM(1,1)模型有较高的模拟和预测精度,为灾变预测提供了新思路.     

Volatility Estimation of Multivariate ARMA-GARCH Model

ARMA-GARCH模型的多元波动率估计

谢鹏飞,冶继民,王俊元

（西安电子科技大学, 数学与统计学院, 西安 710071）

创新点说明：

本文提出了基于结构自回归移动平均（ARMA）模型和GARCH模型相结合的ARMA-GARCH模型。建立了误差项向量独立分量的条件异方差与残差向量的条件异方差之间的关系,并将多元GARCH模型条件波动率脉冲响应的估计转化为估计误差项向量独立分量的脉冲响应,同时保持了因果结构。

研究目的：

GARCH模型在金融时间序列中起着极其重要的作用,然而,多元GARCH模型的待估参数随着维数的增加呈指数级增加,因此寻找简单有效的估计方法显得尤为重要。

研究方法：

基于结构向量自回归移动平均（ARMA）模型和GARCH模型相结合的ARMA-GARCH模型。本文提出一种有效的多变量脉冲响应估计方法。首先,使用DirectLiNGAM算法识别模型的因果结构和估计误差项向量的独立分量,并使用MSE对算法的性能进行评估。其次,建立了误差项向量独立分量的条件异方差与残差向量的条件异方差之间的关系,将多元GARCH模型的条件波动率脉冲响应的估计转化为估计误差项向量独立分量的脉冲响应,同时保持因果结构。

结果和结论：

将所提出的估计方法用于股市波动率的估计,结果表明所提出的估计方法具有较高的计算效率。

关键词：结构向量自回归;多元GARCH;独立成分;因果结构;波动率

     

GARCH模型的残差分布比较研究及实证分析

在三种不同的分布假设:正态分布、学生t分布、GED分布下,对GARCH模型进行了比较研究。并对沪深300指数收益率进行了实证分析。研究结果表明:在不同的分布假设下,GED分布更能反映沪深300指数收益率的尖峰厚尾性,更能准确地描述沪深市场的波动性。     

河北化纤企业利用PTA期货规避成本价格风险研究

利用PTA（精对苯二甲酸）期货对PET进行了交叉套期保值研究,建立了OLS,VAR,GARCH,VEC等模型,在PTA期货市场对PET进行了交叉商品的套期保值比率分析,并运用最小方差准则进行评估。研究结果表明,在进行交叉套期保值时,通过选择合适的模型,可以使得套保效果非常理想。尤其是VEC法几乎对冲掉了绝大部分的风险波动。     

Copula相关理论在金融分析中的风险度量

随着全球经济的一体化,金融风险管理越来越受到世人的重视.大量研究表明,利用多样化的资产组合可以在一定程度上降低风险.传统的风险计量模型大都是以正态分布为基础的,但这往往与客观事实不符,尤其是在极端事件发生时,这种现象尤为严重,其结果导致常常会低估风险.借助Copula函数以及GJR模型和极值理论,采用Copula-GJR(1,1)-EVT模型对深证股票的10支股票在等权重下的投资组合进行风险度量,并且比较了单支股票指数与组合风险的结果差异以及以正态Copula和t-Copula作为连接函数的组合风险差异.