風險管理的基礎和核心是對風險的定量分析和評估。在風險資產的收益率服從正態(tài)分布的條件下,方差是最好的風險度量,而大量研究已經表明金融資產收益率是非正態(tài)的,是“厚尾”和“有偏”的。因此本文在非正態(tài)分布條件下討論金融波動性建模研究。具體從以下幾個方面進行了分析探討:1、金融收益序列非正態(tài)分布檢驗及理論解釋。市場價格異常波動的原因,可以分為主觀和客觀兩個方面,客觀方面的原因來自市場本身,主要是制度因素;主觀方面的原因來自投資者,主要是投資者的心理因素。因此,本章將首先介紹收益率非正態(tài)分布特征的檢驗方法,然后分別從市場微觀結構理論角度和行為金融學角度討論收益率分布尖峰厚尾特征以及偏度特征的形成原因,給出收益非正態(tài)分布的理論解釋。2、金融收益“厚尾”分布動態(tài)擬合（Ⅰ）——基于廣義極值分布的自回歸條件密度模型研究。在考慮當前預期和波動性條件下,為了有效地捕獲極端條件下收益率時間序列動態(tài)特征,建立了基于高頻數(shù)據(jù)的波動性模型和條件極值VaR模型。應用智能優(yōu)化算法對條件極值分布的時變參數(shù)進行估計,考察了在不同樣本容量分塊下的條件極值VaR,并對VaR計算結果的精度進行了Kupiec-LR檢驗和動態(tài)分位數(shù)檢... 

【文章來源】：天津大學天津市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：146 頁

【學位級別】：博士

【文章目錄】：
中文摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景——問題的提出
        1.1.2 研究意義
    1.2 研究現(xiàn)狀
        1.2.1 波動性模型的研究現(xiàn)狀
        1.2.2 極值理論的研究現(xiàn)狀
        1.2.3 L-矩理論的研究現(xiàn)狀
        1.2.4 投資組合研究現(xiàn)狀
    1.3 主要研究內容、結構和創(chuàng)新點
        1.3.1 主要研究內容和結構安排
        1.3.2 本文的主要創(chuàng)新點
第二章 金融收益序列非正態(tài)分布檢驗及理論解釋
    2.1 收益率非正態(tài)分布特征的檢驗
        2.1.1 非正態(tài)分布的檢驗方法
        2.1.2 基于中國數(shù)據(jù)的實證檢驗
    2.2 收益非正態(tài)分布的理論解釋
        2.2.1 收益分布“尖峰厚尾”的理論解釋
        2.2.2 收益分布“偏度”的理論解釋
    2.3 本章小結
第三章 金融收益“厚尾”分布動態(tài)擬合（Ⅰ）——基于廣義極值分布的自回歸條件密度模型研究
    3.1 高頻極值波動性模型
    3.2 高頻極值條件VaR 模型
    3.3 高頻極值波動性和條件VaR 模型的實證研究
        3.3.1 數(shù)據(jù)選取與基本統(tǒng)計描述
        3.3.2 廣義極值分布的參數(shù)估計
        3.3.3 高頻極值波動性的估計
        3.3.4 高頻條件極值VaR 的估計
    3.4 高頻極值條件VaR 后驗測試分析
    3.5 研究結論
    3.6 本章小結
第四章 金融收益“厚尾”分布動態(tài)擬合（Ⅱ）——基于廣義帕雷托分布的自回歸條件L-矩模型研究
    4.1 L-矩
    4.2 多維高階L-矩模型
        4.2.1 高階L-矩及L-協(xié)矩
        4.2.2 L-協(xié)矩的估計
        4.2.3 多維L-矩模型
        4.2.4 基于L-矩相關系數(shù)的分布選擇方法
        4.2.5 基于L-矩的厚尾分布參數(shù)估計
    4.3 基于L-矩的廣義帕雷托分布動態(tài)擬合研究
        4.3.1 廣義帕雷托分布的靜態(tài)擬合
        4.3.2 廣義帕雷托分布的動態(tài)擬合
    4.4 基于中國股市高頻數(shù)據(jù)的實證研究
        4.4.1 數(shù)據(jù)選取與基本統(tǒng)計描述
        4.4.2 靜態(tài)擬合結果
        4.4.3 動態(tài)擬合結果
        4.4.4 條件極值VaR 的估計
    4.5 結論
第五章 金融收益“偏度”和“峰度”的動態(tài)擬合——條件偏度和峰度的波動性建模研究
    5.1 一維偏度和峰度建模研究——基于skewed-generalized-t 分布
        5.1.1 skewed-generalized-t 分布
        5.1.2 條件skewed-generalized-t 分布
        5.1.3 基于中國股市的實證研究
        5.1.4 基于skewed-generalized-t 分布的VaR 計算及后驗比較
    5.2 多維偏度和峰度建模研究——基于Su 分布
        5.2.1 多維偏度和峰度模型的建立
        5.2.2 多維條件偏度和峰度模型的參數(shù)估計
        5.2.3 多維條件偏度和峰度實證研究
        5.2.4 研究結論
    5.3 已實現(xiàn)偏度和峰度建模研究
        5.3.1 已實現(xiàn)方差模型
        5.3.2 “已實現(xiàn)”偏度和峰度（Realized Skewess and Realized Kurtosis）模型
    5.4 本章小結
第六章 不確定條件下考慮偏度和峰度的投資組合研究
    6.1 傳統(tǒng)投資組合理論及其缺陷
    6.2 條件偏度和峰度投資組合
    6.3 不確定條件下考慮偏度和峰度的投資組合
        6.3.1 參數(shù)不確定問題
        6.3.2 貝葉斯估計與馬爾可夫蒙特卡羅模擬（MCMC）
        6.3.3 有偏分布的貝葉斯推斷
        6.3.4 不確定條件下考慮偏度和峰度的投資組合模型研究
    6.4 結論
第七章 總結與展望
    7.1 全文總結
    7.2 研究展望
參考文獻
發(fā)表論文和科研情況說明
致謝



本文編號：3162542