自“811匯改”以來,人民幣匯率波動(dòng)幅度逐漸增大,匯率的波動(dòng)風(fēng)險(xiǎn)增加了政治決策的難度,因此,管理和控制匯率風(fēng)險(xiǎn)具有重要意義。其中,J.P.Morgan于1993年提出了線性期望理論框架下的風(fēng)險(xiǎn)度量指標(biāo)——VaR,但是VaR缺乏衡量極端情況下?lián)p失的能力。非線性期望理論的出現(xiàn)指引了經(jīng)典概率空間下風(fēng)險(xiǎn)度量指標(biāo)的改進(jìn)方向,非線性期望理論較經(jīng)典的線性期望理論能更好的描述實(shí)際中的動(dòng)態(tài)變化。由此,本文主要研究非線性期望理論框架下的風(fēng)險(xiǎn)度量指標(biāo)——G-VaR。目前,G-VaR是有效度量股票風(fēng)險(xiǎn)的指標(biāo),而匯率作為重要的宏觀經(jīng)濟(jì)變量受經(jīng)濟(jì)政策不確定性的影響較大,G-VaR預(yù)測(cè)方法無法從多時(shí)間尺度分析經(jīng)濟(jì)政策不確定性對(duì)匯率波動(dòng)的影響,從而限制了 G-VaR預(yù)測(cè)精度。因此,本文提出將EEMD方法融合到G-VaR預(yù)測(cè)方法的框架中,假設(shè)EEMD方法將匯率收益率序列分解為次線性期望下相互獨(dú)立的分量,在此基礎(chǔ)上深入分析經(jīng)濟(jì)政策不確定性對(duì)各分量的影響。本文以美元兌人民幣匯率、歐元兌人民幣匯率和日元兌人民幣匯率為例,通過EEMD方法實(shí)現(xiàn)匯率收益率序列的獨(dú)立分解,假設(shè)匯率收益率序列分解為次線性期望下相互獨(dú)立的三個(gè)分量——高...

【文章頁數(shù)】：75 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究綜述
    1.3 論文框架
    1.4 論文創(chuàng)新點(diǎn)
第二章 非線性期望下風(fēng)險(xiǎn)度量方法
    2.1 非線性期望理論
        2.1.1 非線性期望空間
        2.1.2 非線性分布及獨(dú)立性
        2.1.3 G-正態(tài)分布、最大分布
        2.1.4 大數(shù)定律與中心極限定理
    2.2 風(fēng)險(xiǎn)度量方法
        2.2.1 VaR
        2.2.2 G-VaR
    2.3 分解方法
        2.3.1 EMD方法
        2.3.2 EEMD方法
    2.4 時(shí)間序列預(yù)測(cè)模型
        2.4.1 ARMA模型
        2.4.2 GARCH模型
        2.4.3 GARCH-MIDAS模型
    2.5 機(jī)器學(xué)習(xí)模型
        2.5.1 LSTM模型
        2.5.2 注意力機(jī)制
第三章 基于EEMD的G-VaR預(yù)測(cè)方法
    3.1 EEMD方法
    3.2 均值和波動(dòng)率的估計(jì)方法
        3.2.1 時(shí)間序列的檢驗(yàn)
        3.2.2 ARMA-GARCH模型
        3.2.3 簡單移動(dòng)平均模型
    3.3 均值和波動(dòng)率的預(yù)測(cè)方法
        3.3.1 相關(guān)性分析
        3.3.2 GARCH-MIDAS模型
        3.3.3 Attention-LSTM模型
        3.3.4 ARMA模型
第四章 實(shí)證分析
    4.1 EEMD方法分解數(shù)據(jù)
        4.1.1 IMF的統(tǒng)計(jì)特征
        4.1.2 IMF重構(gòu)
    4.2 高頻序列的參數(shù)預(yù)測(cè)
        4.2.1 ARMA-GARCH模型估計(jì)參數(shù)
        4.2.2 GARCH-MIDAS模型預(yù)測(cè)參數(shù)
    4.3 低頻序列的參數(shù)預(yù)測(cè)
        4.3.1 簡單移動(dòng)平均模型估計(jì)參數(shù)
        4.3.2 Attention-LSTM模型預(yù)測(cè)參數(shù)
    4.4 殘差序列的參數(shù)預(yù)測(cè)
        4.4.1 簡單移動(dòng)平均模型估計(jì)參數(shù)
        4.4.2 ARMA模型預(yù)測(cè)參數(shù)
    4.5 G-VaR預(yù)測(cè)
        4.5.1 評(píng)價(jià)指標(biāo)
        4.5.2 對(duì)比試驗(yàn)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
學(xué)位論文評(píng)閱及答辯情況表



本文編號(hào)：3844048