基于GARCH模型的VaR方法在股市风险分析中的实证研究

介绍了利用GARCH模型的VaR计算方法,并引入了股票市场的风险价值VaR实例计算,据此定量测量股票市场风险,为企业经营者的风险管理及一般投资者的投资风险分析提供依据.     

基于非对称GARCH-MIDAS模型的原油价格波动预测

针对原油价格波动的预测问题,将GARCH-MIDAS模型扩展为两类:A-GARCH-MIDAS模型研究正负面的油价波动因素对原油市场的不同影响;GARCH-MIDAS-X模型将短期成分扩展到额外的波动决定因素,将扩展模型应用于原油WTI数据.样本内估计结果表明,非对称效应对原油价格波动性有显著影响;样本外预测结果表明,非对称效应显著提高了波动率模型的预测性能.     

股票指数波动率的估计方法及其应用

介绍了股票指数波动率的概念和基本的估计方法,并用有关数据进行了计算。利用其结果对股票市场的风险进行了度量,并对Black-Scholes期权定价公式进行了参数估计.对进行组合证券保险具有重要的意义。     

用GARCH模型与隐含波动率预测金融波动率

利用港股期权的数据,研究在不同期限内的GARCH模型与隐含波动率的表现,并且用已实现波动率、M-Z回归分析、误差项和损失函数对预测效果进行评估。研究结果表明:短期GARCH模型预测效果较好,长期隐含波动率预测效果较好;由于期权价格能够更加全面的反映市场信息,所以隐含波动率对于波动率的预测效果更好。     

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。     

基于GARCH类模型的VaR——一种融合市场风险与流动性风险的合成管理模型

在一种融合市场风险与流动性风险的合成风险管理模型——LaVaR模型的基础上,利用自回归模型和GARCH类模型将LaVaR动态化.并且通过SAS软件强大的编程功能将金融数据常有的集群性、高峰厚尾性、非对称性等纳入同一个模型,从而能够同时考察序列的各种性质,使得预测也更加准确.将GARCH类模型动态化VaR的方法,可以更加准确地计算风险值.     

我国股市波动的ARCH类模型分析

股票价格的频繁波动是股票市场最明显的特征之一。ARCH类模型可以成功地预测金融资产收益率的方差。通过对我国股价指数的统计描述，表明我国金融资产收益率存在自回归条件异方差特征，并表现出非正态性。利用ARCH类模型对深圳成份指数的波动进行拟合，结果表明，EGARCH模型对我国股市波动具有较好的拟合效果。     

基于GARCH模型的证券市场风险的VaR度量

在对VaR理论进行简单介绍的基础上,将残差分别服从正态分布、T-分布、GED分布的GARCH族模型运用到VaR的计算当中,对中国上证综合指数进行了实证分析,并对各GARCH族模型的计算结果进行了比较,在对VaR值进行准确性验证后发现:T-分布和GED分布下的GARCH族模型预测的VaR值比较准确,能较真实地反映上证综指的市场风险程度,据此得出了几点结论和建议。     

基于灰色马尔科夫模型预测金融波动

引入灰色模型和符号时间序列分析方法,与马尔科夫模型方法相结合,提出了一种新的预测金融波动的方法。首先将波动序列符号化,然后建立灰色马尔科夫模型,不仅能减小影响预测精度的误差,而且能利用马尔科夫模型来调整误差,使结果更加精准。采用上海证券交易所综合指数2007--2010年间隔为5分钟的高频数据为样本,对已实现波动序列进行实证分析,成功预测了下一时点波动值所处的区间,并验证了该方法的可行性和有效性。     

基于GARCH模型的企业汇率风险度量研究

运用极值理论和GARCH模型对企业的汇率风险进行研究,分析人民币对美元的统计分布特征,并对收益率的尾部进行建模,进而计算出VaR与CVaR值,返回检验证明该模型具有准确性与有效性。研究结果表明,该模型具有超越样本的估计能力,比传统工具更适合度量尾部分布下的金融时间序列。     

基于GARCH模型的WTI原油价格波动性分析

运用GARCH、EGARCH的t分布模型对WTI原油现货价格进行了统计拟合分析,得到了其收益率序列尖峰厚尾和异方差性等主要概率特征,并对GARCH、EGARCH的t分布模型的预测效果进行了比较分析,发现基于学生t分布的EGARCH模型比GARCH模型能更好地描述WTI原油价格的波动特征,并且具有较好的预测能力.     

基于资产波动性的现代信用风险评估方法

信用风险评估是债务融资的关键，针对传统信用评估方法的不足，使用一种从资产价值波动的角度出发．利用期权理论进行信用评估的方法-结构模型。利用无套利分析方法和随机分析方法，对相关变量给出具体的分析过程和求解公式。最后把该方法和传统评估方法进行了比较。     

Information Geometry of GARCH Model

A statistical manifold of non-exponential type coming from a model for economics describing stock return process is constructed,with its geometric structure investigated and both Gaussian curvatures and mean curvatures of its curved exponential submanifolds deducted.A few graphs describing relevant scalar curvature,mean curvature and Gaussian curvature are also introduced.     

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