收益率的非對(duì)稱(chēng)性和尖峰、厚尾性等高階矩特征普遍存在于國(guó)內(nèi)外股票市場(chǎng)。然而,“均值-方差”分析的廣泛應(yīng)用和中心極限定理的存在,以及正態(tài)分布具有的各種優(yōu)良性質(zhì),常常使得正態(tài)分布假設(shè)倍受青睞。也正因?yàn)槿绱?部分學(xué)者在討論資產(chǎn)定價(jià)、波動(dòng)率建模以及風(fēng)險(xiǎn)測(cè)量等金融理論與實(shí)證研究的三個(gè)重要問(wèn)題時(shí),往往容易忽略收益率分布的高階矩特征,以及投資者對(duì)這些高階矩風(fēng)險(xiǎn)的偏好態(tài)度。隨著相關(guān)理論和實(shí)證研究的廣泛開(kāi)展,越來(lái)越多的學(xué)者認(rèn)識(shí)到,將收益率的高階矩特征引入資產(chǎn)定價(jià)、波動(dòng)率建模以及風(fēng)險(xiǎn)測(cè)量等問(wèn)題是十分必要的。本文在對(duì)現(xiàn)有研究進(jìn)行較為系統(tǒng)地回顧后,先采用非參數(shù)方法,以中國(guó)股市的指數(shù)收益率為樣本,考察了收益率分布的非對(duì)稱(chēng)性和尖峰、厚尾等高階矩特征的存在性,并基于自回歸條件密度模型,分析了高階矩特征的產(chǎn)生機(jī)制。在此基礎(chǔ)上,本文分別對(duì)引入高階矩特征的資產(chǎn)定價(jià)、波動(dòng)率建模以及風(fēng)險(xiǎn)測(cè)量做了進(jìn)一步的研究。除了緒論、高階矩特征的存在性和產(chǎn)生機(jī)制分析這三個(gè)基礎(chǔ)性工作之外,本文針對(duì)上述三個(gè)問(wèn)題的工作包括如下四個(gè)方面。首先,就資產(chǎn)定價(jià)來(lái)講,本文進(jìn)一步基于高階矩資本資產(chǎn)定價(jià)模型,對(duì)兩種常見(jiàn)的收益率“異象”——“動(dòng)量效應(yīng)”和“反轉(zhuǎn)效應(yīng)... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：216 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 引言
    1.2 研究范圍與基本概念界定
        1.2.1 資產(chǎn)定價(jià)
        1.2.2 波動(dòng)率建模
        1.2.3 風(fēng)險(xiǎn)測(cè)量
    1.3 投資者的偏好假設(shè)與資產(chǎn)定價(jià)
        1.3.1 “均值－方差”偏好下的資產(chǎn)定價(jià)
        1.3.2 “高階矩”偏好下的資產(chǎn)定價(jià)
    1.4 正態(tài)和非正態(tài)分布假設(shè)下的波動(dòng)率建模
        1.4.1 正態(tài)分布假設(shè)下的波動(dòng)率建模
        1.4.2 非正態(tài)分布假設(shè)下的波動(dòng)率建模
        1.4.3 正態(tài)和非正態(tài)分布假設(shè)下模型的預(yù)測(cè)績(jī)效
        1.4.4 比較模型的預(yù)測(cè)績(jī)效：真實(shí)性校驗(yàn)
    1.5 正態(tài)和非正態(tài)分布假設(shè)下的風(fēng)險(xiǎn)測(cè)量
        1.5.1 VaR 預(yù)測(cè)的返回檢驗(yàn)
        1.5.2 正態(tài)和非正態(tài)分布假設(shè)下的VaR 預(yù)測(cè)
    1.6 問(wèn)題的提出
    1.7 研究?jī)?nèi)容與結(jié)構(gòu)安排
    1.8 本文的主要?jiǎng)?chuàng)新點(diǎn)
第二章 高階矩特征的存在性及其非參數(shù)檢驗(yàn)
    2.1 引言
    2.2 相關(guān)研究回顧
        2.2.1 無(wú)條件高階矩
        2.2.2 條件高階矩
    2.3 模型方法
        2.3.1 分布的正態(tài)性
        2.3.2 分布的對(duì)稱(chēng)性
        2.3.3 分布的厚尾性
        2.3.4 收益率的波動(dòng)模型
    2.4 樣本描述
    2.5 實(shí)證結(jié)果
        2.5.1 無(wú)條件高階矩特征的非參數(shù)檢驗(yàn)
        2.5.2 條件高階矩特征的非參數(shù)檢驗(yàn)
    2.6 本章小結(jié)
    附錄
        2A 條件高階矩的部分核估計(jì)圖形
第三章 高階矩特征的產(chǎn)生機(jī)制分析
    3.1 引言
    3.2 相關(guān)研究回顧
        3.2.1 收益率超額偏度的產(chǎn)生機(jī)制
        3.2.2 收益率超額峰度的產(chǎn)生機(jī)制
        3.2.3 異質(zhì)信念模型的相關(guān)理論預(yù)示
    3.3 模型方法
        3.3.1 收益率的波動(dòng)過(guò)程
        3.3.2 條件高階矩建模
        3.3.3 “周內(nèi)效應(yīng)”和“假日效應(yīng)”
        3.3.4 模型參數(shù)的極大似然估計(jì)
    3.4 樣本說(shuō)明及一些初步的結(jié)果
    3.5 實(shí)證結(jié)果
        3.5.1 收益率的波動(dòng)過(guò)程
        3.5.2 偏態(tài)方程：檢驗(yàn)假設(shè)1 和假設(shè)2
        3.5.3 峰態(tài)方程：檢驗(yàn)假設(shè)3 和假設(shè)4
        3.5.4 結(jié)果分析
    3.6 本章小結(jié)
    附錄
        3A 偏態(tài)方程的其他估計(jì)結(jié)果
        3B 峰態(tài)方程的其他估計(jì)結(jié)果
第四章 動(dòng)量效應(yīng)和反轉(zhuǎn)效應(yīng)：基于高階矩CAPM 的再檢驗(yàn)
    4.1 引言
    4.2 相關(guān)研究回顧
    4.3 投資組合的構(gòu)建
    4.4 引入高階矩風(fēng)險(xiǎn)因子評(píng)價(jià)投資組合的收益率
        4.4.1 基于MVCAPM 和HMCAPM 評(píng)價(jià)策略組合的收益率
        4.4.2 基于TFM 和HMCAPM 評(píng)價(jià)策略組合的收益率
    4.5 數(shù)據(jù)說(shuō)明
    4.6 動(dòng)量組合與反轉(zhuǎn)組合的收益率
    4.7 實(shí)證結(jié)果
        4.7.1 基于MVCAPM 和HMCAPM 的實(shí)證結(jié)果
        4.7.2 基于TFM 和TFHM 的實(shí)證結(jié)果
        4.7.3 反轉(zhuǎn)策略下贏家和輸家組合的風(fēng)險(xiǎn)比較
    4.8 本章小結(jié)
    附錄
        4A 動(dòng)量策略下HMCAPM 的回歸結(jié)果
        4B 反轉(zhuǎn)策略下HMCAPM 的回歸結(jié)果
第五章 引入高階矩的波動(dòng)率預(yù)測(cè)績(jī)效比較：參數(shù)化方法
    5.1 引言
    5.2 相關(guān)研究回顧
    5.3 模型設(shè)定
        5.3.1 GARCH 族模型
        5.3.2 五種形態(tài)靈活的非正態(tài)分布
    5.4 模擬分析
    5.5 實(shí)證分析
        5.5.1 數(shù)據(jù)說(shuō)明及樣本內(nèi)的擬合結(jié)果
        5.5.2 波動(dòng)率預(yù)測(cè)與績(jī)效評(píng)價(jià)
        5.5.3 實(shí)證結(jié)果
    5.6 本章小結(jié)
    附錄
        5A 服從SkewT 分布的隨機(jī)數(shù)生成算法
        5B 基于最小二乘方法比較各分布假設(shè)下GARCH 族模型的預(yù)測(cè)績(jī)效
        5C 基于SPA 方法比較各分布假設(shè)下GARCH 族模型的預(yù)測(cè)績(jī)效
第六章 引入高階矩的波動(dòng)率預(yù)測(cè)績(jī)效比較：半?yún)?shù)方法
    6.1 引言
    6.2 相關(guān)研究回顧
    6.3 模型方法
        6.3.1 參數(shù)估計(jì)的EF 方法
        6.3.2 一步外推預(yù)測(cè)與績(jī)效評(píng)價(jià)
    6.4 數(shù)據(jù)說(shuō)明與實(shí)證結(jié)果
    6.5 本章小結(jié)
第七章 引入高階矩的VaR 預(yù)測(cè)：高階矩可行域未必越廣越好
    7.1 引言
    7.2 相關(guān)研究回顧
    7.3 三種偏斜厚尾分布及其高階矩可行域
    7.4 模型方法
        7.4.1 模型設(shè)定
        7.4.2 預(yù)測(cè)績(jī)效的返回檢驗(yàn)
    7.5 樣本描述
    7.6 實(shí)證結(jié)果
        7.6.1 VaR 的樣本內(nèi)擬合績(jī)效
        7.6.2 VaR 的樣本外預(yù)測(cè)績(jī)效
    7.7 本章小結(jié)
    附錄
        7A 六種分布在樣本內(nèi)擬合VaR 的UC 檢驗(yàn)
        7B 六種分布在樣本外預(yù)測(cè)VaR 的UC 檢驗(yàn)
第八章 結(jié)束語(yǔ)
    8.1 全文總結(jié)與創(chuàng)新點(diǎn)
    8.2 研究展望
致謝
參考文獻(xiàn)
攻博期間取得的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]考慮條件高階矩風(fēng)險(xiǎn)的動(dòng)態(tài)對(duì)沖模型研究[J]. 張龍斌,王春峰,房振明.  管理工程學(xué)報(bào). 2009(04)
[2]中國(guó)股票收益率的穩(wěn)定分布擬合與檢驗(yàn)[J]. 孫群.  數(shù)學(xué)理論與應(yīng)用. 2009(02)
[3]股票收益率的組合分布研究[J]. 徐天群,劉煥彬,徐天河,陳躍鵬.  武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版). 2009(01)
[4]中國(guó)股票市場(chǎng)的高階矩波動(dòng)特征研究[J]. 王鵬,王建瓊.  管理科學(xué). 2008(04)
[5]中國(guó)股票市場(chǎng)具有“節(jié)日效應(yīng)”嗎?[J]. 陸磊,劉思峰.  金融研究. 2008(02)
[6]中國(guó)證券市場(chǎng)股指收益分布的實(shí)證分析[J]. 黃德龍,楊曉光.  管理科學(xué)學(xué)報(bào). 2008(01)
[7]GARCH模型與VaR的度量研究[J]. 徐煒,黃炎龍.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2008(01)
[8]誰(shuí)是贏者?——上證180指數(shù)股票的贏者輸者效應(yīng)實(shí)證檢驗(yàn)[J]. 劉馳,秦學(xué)志.  系統(tǒng)管理學(xué)報(bào). 2007(06)
[9]GARCH類(lèi)模型波動(dòng)率預(yù)測(cè)評(píng)價(jià)[J]. 黃海南,鐘偉.  中國(guó)管理科學(xué). 2007(06)
[10]一個(gè)基于非對(duì)稱(chēng)Laplace分布和DEA的證券投資基金評(píng)價(jià)方法[J]. 趙秀娟,張洪水,黎建強(qiáng),汪壽陽(yáng).  系統(tǒng)工程理論與實(shí)踐. 2007(10)



本文編號(hào)：3604138