發(fā)布時間：2023-03-03 17:55

　　Markowitz提出的均值——方差分析框架開創(chuàng)了對金融風(fēng)險進(jìn)行測度及防范研究的先河。隨著金融計量理論及建模技術(shù)的發(fā)展,基于均值——方差分析金融風(fēng)險已漸漸不能滿足投資者的需求。大量的研究表明：金融資產(chǎn)收益的分布具有高峰厚尾的特性,負(fù)偏度(negative skewness)使得資產(chǎn)收益下降的可能大于上升的可能；而過度峰度(excess kurtosis)的存在使得極值事件發(fā)生的可能性增加。僅考慮二階矩風(fēng)險,而忽略了三階矩(偏度風(fēng)險)、四階矩(峰度風(fēng)險)顯然低估了風(fēng)險,容易使投資者蒙受損失。進(jìn)而,高階矩風(fēng)險的持續(xù)性、一致性也被證實。如果只是靜態(tài)的考慮高階矩風(fēng)險,就忽略了高階矩風(fēng)險的時變性,不能全面的測量金融風(fēng)險。Engle(1982)和Bollerslev(1986)提出的廣義自回歸條件異方差(GARCH)模型允許具有時變的方差序列,對于當(dāng)時的定價研究有了進(jìn)一步的擴(kuò)展。Harvey等(1999)提出了自回歸條件波動、偏度模型(GARCHS)用于描述時間序列二階矩和三階矩的動態(tài)特征,Jondeau等(2003)、Leon等(2005)提出了自回歸條件波動偏度和峰度模型(GARCHSK)用于...

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 引言
    1.1 選題的意義
    1.2 金融高階矩的應(yīng)用
2 文獻(xiàn)綜述
    2.1 外文文獻(xiàn)
    2.2 中文文獻(xiàn)
3 高階矩序列波動性建模
    3.1 自回歸條件偏度模型
        3.1.1 模型的建立
        3.1.2 參數(shù)估計
    3.2 自回歸條件方差偏度峰度模型
        3.2.1 模型的建立
        3.2.2 參數(shù)估計
4 殘差序列服從的分布
    4.1 殘差序列服從廣義t分布
    4.2 殘差序列服從Gram-Charlier分布
    4.3 密度函數(shù)的比較
5 數(shù)據(jù)的選取及實證
    5.1 數(shù)據(jù)的選取及基本的統(tǒng)計特性
    5.2 模型的估計
    5.3 模型間的比較
6 結(jié)論
附錄
參考文獻(xiàn)
后記



本文編號：3752837