在許多金融計量問題中,例如衍生產(chǎn)品定價、風險管理、套期保值和最優(yōu)投資組合選擇等,模擬和預測二階矩的相關(guān)性和各個市場收益之間波動性的動態(tài)相關(guān)關(guān)系有很重要的意義。目前研究動態(tài)相關(guān)關(guān)系的角度有三類,第一類是利用多維時間序列的角度進行研究,第二類是利用多維隨機過程進行研究,第三類是利用Copula理論研究隨機變量之間的相關(guān)程度。本文主要從多維時間序列的角度對相關(guān)性分析進行理論方法的研究和實證分析。 論文第一章對本文的選題意義、方法的創(chuàng)新和缺陷進行了總結(jié)。論文的第二章回顧了多維時間序列相關(guān)性模型的發(fā)展歷程以及估計方法和診斷檢驗,并對各種模型的優(yōu)缺點和適用性進行了比較評述。論文的第三章和第四章運用各種多維時間序列進行預測分析和風險分析,實證結(jié)果表明,同其他模型相比,用ADCC模型擬合中國股指收益率的方差協(xié)方差矩陣效果較好,這個結(jié)果可以為資產(chǎn)配置決策、風險管理提供理論性的指導。 論文的第五章提出了一種處理高維金融時間序列的新方法一基于Cholesky分解方法的SCC(序列條件相關(guān))方法,并進行理論研究和實證分析。近年來出現(xiàn)了大量多維GARCH模型來模擬資產(chǎn)組合的波動性及相關(guān)性,但是在估計多維GARC...

【文章頁數(shù)】：117 頁

【學位級別】：博士

【文章目錄】：
論文摘要
ABSTRACT
1. 導言
    1.1 選題意義
    1.2 篇章結(jié)構(gòu)
    1.3 創(chuàng)新和缺陷
2. 多維相關(guān)性模型的回顧
    2.1 多維GARCH模型的發(fā)展
        2.1.1 一維GARCH模型的一般化
        2.1.2 一維GARCH模型的線性混合
        2.1.3 一維GARCH模型的非線性混合
        2.1.4 MGARCH模型的杠桿效應
        2.1.5 其它的多維波動和相關(guān)性模型
    2.2 估計方法
        2.2.1 兩步估計
        2.2.2 基于遺傳算法的似然函數(shù)的估計方法
        2.2.3 多維GARCH模型的半?yún)?shù)有效估計
    2.3 診斷性檢驗
        2.3.1 Portmanteau統(tǒng)計量
        2.3.2 基于殘差的診斷
        2.3.3 Lagrange乘子檢驗
3. 多維相關(guān)性模型預測分析
    3.1 波動模型預測的基本符號
    3.2 波動性預測的意義
        3.2.1 普通的預測應用
        3.2.2 金融應用
    3.3 單維波動性預測方法
        3.3.1 利用歷史數(shù)據(jù)進行預測
        3.3.2 隨機波動性的預測
        3.3.3 已實現(xiàn)波動性的預測
        3.3.4 GARCH類模型的預測
    3.4 多維相關(guān)性預測
        3.4.1 指數(shù)平滑和Riskmetrics方法
        3.4.2 BEKK模型的預測
        3.4.3 DCC模型的預測
        3.4.4 多變量隨機波動模型和因子模型
    3.5 預測效果檢驗方法
    3.6 實證分析
        3.6.1 數(shù)據(jù)處理
        3.6.2 ADCC模型估計
        3.6.3 CCC多維GARCH模型
        3.6.4 預測結(jié)果
4. 基于多維GARCH模型動態(tài)投資組合的風險分析
    4.1 在險價值基本原理
    4.2 風險的評價方法
        4.2.1 部分評價法
        4.2.2 全額評價法
    4.3 風險模型
        4.3.1 VaR
        4.3.2 CVaR
        4.3.3 ER(Expected Regret)
    4.4 在險價值的準確性檢驗方法
        4.4.1 動態(tài)系數(shù)檢驗
        4.4.2 LR似然比檢驗
    4.5 實證分析
        4.5.1 正態(tài)分布的檢驗
        4.5.2 t分布的檢驗
5. SCC模型
    5.1 SCC方法的起源
        5.1.1 條件相關(guān)模型
        5.1.2 SCC的介紹
        5.1.3 數(shù)值例子
    5.2 Cholesky分解方法
    5.3 漸近理論
        5.3.1 傳統(tǒng)漸近定理
        5.3.2 兩階段估計
    5.4 SCC的對數(shù)似然函數(shù)
    5.5 模型的估計
    5.6 SCC模型估計的漸近性定理
    5.7 實證分析
6. 結(jié)論及今后研究的方向
    6.1 總結(jié)
    6.2 未來的方向
        6.2.1 理論方面
        6.2.2 方法的創(chuàng)新
參考文獻
致謝



本文編號：3893354