本文關鍵詞：金融資產價格波動的非參數模型及其應用研究

  更多相關文章： 金融資產 波動 非參數模型

【摘要】：隨著技術進步、金融工具和金融機構的不斷創(chuàng)新和完善，金融全球化的進程已經勢不可擋。金融全球化推動了我國銀行部門和金融機構的日益完善，與此同時金融市場體制環(huán)境，整個金融體系在近年來都得到了突飛猛進的發(fā)展。目前我國無論是金融機構規(guī)模還是金融資本總量都已經相當龐大，然而監(jiān)管仍然存在空白和漏洞，地方政府債務面臨寅吃卯糧的潛在風險，海外金融機構的風險轉移以及第三方支付風險都是值得重視的問題。在信息不對稱、不透明的情況下，個別地區(qū)的經濟問題對金融市場容易產生恐慌，引發(fā)羊群效應。因此，需要特別警惕高增長下的潛在金融風險，防止個別機構風險導致系統(tǒng)性風險。掌握金融資產價格波動的規(guī)律在一定程度上對于金融不確定性和風險的防范和控制具有重大意義，同時也是研究證券組合理論、資本資產定價模型(CAPM)、套利定價模型(APT)及期權定價公式的重要基礎。 本文從非參數波動模型的角度出發(fā)，集中梳理了非參數波動模型及其應用研究，第一章緒論部分從非參數回歸模型、非參數自回歸模型、非參數VAR模型族、非參數面板時間序列模型以及上述模型估計方法針對非參數時間序列分析發(fā)展前沿做了綜述。重點集中在非線性模型的非參數估計技術上，即函數系數模型、非參數GARCH模型族及在此基礎上給出的預測、檢驗和廣義脈沖響應函數。最后指出了非參數時間序列分析發(fā)展至今所取得的成果的特點以及未來的發(fā)展趨勢。 第二章從資本市場非線性性質的重要特征——長記性研究入手，提出了一類非參數ARFIMA模型及其估計方法并將其應用于滬深指數月度收益率數據的估計，結果表明我國股市具有顯著的非線性特征，收益率序列表現出一定的長期記憶效應，無論是估計精度還是短期預測結果，非參數ARFIMA模型均優(yōu)于參數ARFIMA模型。本章的創(chuàng)新之處在于在非參數ARMA模型的基礎上進一步給出了非參數ARFIMA模型及其估計方法，并首次將其應用于股市的波動及長記憶性的描述和預測分析。 第三章針對人民幣實際有效匯率決定因素問題建立了一個五變量的SVAR模型，分別用極大似然估計方法和非參數聯立模型的局部線性工具變量估計對其進行估計，將估計的結果進行分析與比較，并做了相應的預測。得出的結論是：參數SVAR模型可以對變量進行解釋，并做相應的脈沖響應和方差分解分析，但是估計精度及預測效果要低于非參數SVAR模型。本章的創(chuàng)新之處在于首次給出了非參數SVAR模型及其估計方法，理論與現實意義在于可以通過參數與非參數方法相結合對我國人民幣實際有效匯率決定因素進行考察與研究，為日后對非參數VAR模型族進行研究和廣泛應用奠定了一定的基礎。 第四章將參數與非參數ARCH模型應用于我國滬深指數波動率的研究，得出的結論為：對于上證指數波動率的非參數ARCH模型估計精度和預測結果優(yōu)于參數ARCH模型，，而針對深證成指波動率的非參數ARCH模型估計精度低于參數ARCH模型，兩者預測結果相當；總體而言兩種方法得到的均方誤差都非常小。第五章將參數GARCH族模型與非參數GARCH模型應用于我國黃金期貨收益率數據分析，得出的結論為：對于黃金期貨波動率的非參數GARCH模型估計精度和預測結果優(yōu)于參數GARCH模型，兩者預測結果相當，但總體而言兩種方法得到的均方誤差都是非常小的。 第六章首先介紹了隨機波動模型的研究進展，給出了離散隨機波動模型的構建及估計方法，引入非參數核(F-Z)估計和一個新的連續(xù)隨機波動模型擴散系數的飽和非參數估計，該估計是基于傅立葉分析的可觀測狀態(tài)變量跡的并且具有一致性和漸進正態(tài)性，將該傅立葉方法通過迭代傅立葉分析可以應用到對一元和二元波動率的建模及估計。本章應用F-Z估計和傅立葉估計這兩種非參數隨機波動模型對我國銅期貨收益率數據波動進行了刻畫，結論表明傅立葉估計更適合刻畫波動特征，對研究波動規(guī)律，并對以后的波動預測和風險防范具有重大理論和現實指導意義。
【關鍵詞】：金融資產 波動 非參數模型
【學位授予單位】：吉林大學
【學位級別】：博士
【學位授予年份】：2014
【分類號】：F830.9;F224
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-32
• 1.1 問題的提出與研究意義12-17
• 1.2 國內外文獻綜述17-27
• 1.3 論文結構與主要內容27-29
• 1.4 研究方法與創(chuàng)新點29-32
• 第2章 金融資產價格波動的非參數 ARFIMA 模型及其應用研究32-48
• 2.1 ARFIMA 模型研究進展32-33
• 2.2 非參數 ARFIMA 模型構建33-41
• 2.3 基于非參數 ARFIMA 模型滬深指數收益率波動研究41-45
• 2.4 本章小結45-46
• 注釋46-48
• 第3章 金融資產價格波動的非參數SVAR模型及其應用研究48-62
• 3.1 SVAR 模型研究進展48-50
• 3.2 非參數 SVAR 模型及方法50-54
• 3.3 非參數 SVAR 模型關于人民幣有效匯率決定因素的研究54-60
• 3.4 本章小結60-61
• 注釋61-62
• 第4章 金融資產價格波動的非參數ARCH 模型及其應用研究62-76
• 4.1 ARCH 模型研究進展62-63
• 4.2 非參數 ARCH 模型及方法63-68
• 4.3 基于非參數 ARCH 模型滬深指數波動性研究68-73
• 4.4 本章小結73-76
• 第5章 金融資產價格波動的非參數GARCH模型及其應用研究76-86
• 5.1 GARCH 模型研究進展76-77
• 5.2 非參數 GARCH 模型及方法77-81
• 5.3 基于非參數 GARCH 模型黃金期貨收益率波動性研究81-85
• 5.4 本章小結85-86
• 第6章 金融資產價格波動的非參數隨機波動模型及其應用研究86-106
• 6.1 隨機波動模型研究進展86-88
• 6.2 離散隨機波動模型構建88-93
• 6.3 非參數連續(xù)時間 SV 模型93-102
• 6.4 非參數 SV 模型及其應用研究102-105
• 6.5 本章小結105-106
• 結論106-108
• (1) 研究結論106-107
• (2) 研究的不足與展望107-108
• 參考文獻108-120
• 攻讀學位期間發(fā)表的學術論文及取得的科研成果120-121
• 附錄121-133
• 致謝133

【參考文獻】

中國期刊全文數據庫 前9條

1 孟利鋒,張世英,何信;SV模型參數估計的經驗特征函數方法[J];系統(tǒng)工程;2004年12期

2 葉阿忠;我國宏觀經濟非參數聯立模型的局部線性廣義矩估計[J];管理工程學報;2003年04期

3 金成曉;曹陽;;基于參數與非參數SVAR模型的貨幣政策有效性比較分析[J];商業(yè)研究;2014年02期

4 王佳妮,李文浩;GARCH模型能否提供好的波動率預測[J];數量經濟技術經濟研究;2005年06期

5 馬薇;袁銘;;非線性計量經濟模型的非參數估計方法研究[J];數量經濟技術經濟研究;2010年01期

6 金秀;姚瑾;莊新田;;基于分數階差分的ARFIMA模型及預測效果研究[J];數理統(tǒng)計與管理;2007年05期

7 王璐;龐皓;;中國股市和債市波動溢出效應的MV-GARCH分析[J];數理統(tǒng)計與管理;2009年01期

8 方穎;郭萌萌;;中國主要宏觀變量的穩(wěn)定性檢驗:基于非參數估計與Bootstrapping的一個方法[J];世界經濟文匯;2009年01期

9 金成曉;曹陽;;基于非參數ARCH模型的滬深指數波動性研究[J];山西大學學報(哲學社會科學版);2014年03期

本文編號：1073254