金融市場(chǎng)中,金融數(shù)據(jù)的預(yù)測(cè)和資產(chǎn)組合的風(fēng)險(xiǎn)管理是金融機(jī)構(gòu)與個(gè)人投資者研究的重中之重。隨著時(shí)代的發(fā)展,高頻數(shù)據(jù)相較于低頻數(shù)據(jù)更能反映出市場(chǎng)的真實(shí)變化情況,且蘊(yùn)含更多的市場(chǎng)交易信息。因此更多國(guó)內(nèi)外學(xué)者選用高頻金融數(shù)據(jù)作為研究對(duì)象對(duì)金融市場(chǎng)進(jìn)行研究分析。由于金融資產(chǎn)收益率序列具有尖峰厚尾性和非對(duì)稱(chēng)的特點(diǎn),而傳統(tǒng)模型無(wú)法捕捉這些特征。本文通過(guò)改進(jìn)雙門(mén)限廣義自回歸條件異方差模型以便更好地預(yù)測(cè)數(shù)據(jù)以及度量金融市場(chǎng)風(fēng)險(xiǎn)。全文內(nèi)容分為以下兩個(gè)部分。第一部分構(gòu)建了一種雙門(mén)限廣義自回歸條件異方差模型,其擾動(dòng)項(xiàng)服從標(biāo)準(zhǔn)Laplace分布。運(yùn)用極大似然估計(jì)法計(jì)算出模型參數(shù)的估計(jì)值。在實(shí)證分析中對(duì)比擾動(dòng)項(xiàng)服從不同分布的其他模型。實(shí)證分析結(jié)果表明所研究的模型更加符合實(shí)際情況。最后通過(guò)自助法與預(yù)測(cè)值的條件分布得到預(yù)測(cè)置信區(qū)間,且自助法構(gòu)建的預(yù)測(cè)置信區(qū)間更加精確。第二部分采用雙門(mén)限廣義自回歸條件異方差模型計(jì)算金融資產(chǎn)的VaR值和CVaR值。根據(jù)不同置信水平下的統(tǒng)計(jì)量,比較不同模型計(jì)算得到的風(fēng)險(xiǎn)值對(duì)市場(chǎng)風(fēng)險(xiǎn)估計(jì)的準(zhǔn)確程度。實(shí)證分析結(jié)果表明所研究的模型度量風(fēng)險(xiǎn)更為準(zhǔn)確。當(dāng)置信水平發(fā)生變化,模型計(jì)算的風(fēng)險(xiǎn)值度量風(fēng)險(xiǎn)的性能也... 

【文章來(lái)源】：長(zhǎng)春工業(yè)大學(xué)吉林省

【文章頁(yè)數(shù)】：52 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

DTGARCH-Laplace模型的樣本特征

第3章基于雙門(mén)限GARCH模型的極大似然估計(jì)18率()1100ln()ln()tttyPP=是非中心化數(shù)據(jù)。對(duì)其進(jìn)行描述性分析，其統(tǒng)計(jì)結(jié)果見(jiàn)表3.4。股票收益率的路徑圖如圖3.2所示，QQ圖如圖3.3所示。表3.4股票對(duì)數(shù)收益率描述性統(tǒng)計(jì)量統(tǒng)計(jì)量樣本量均值標(biāo)準(zhǔn)差偏度峰度最大值最小值ty239-0.02950.50210.22307.57042.1021-2.4716圖3.2股票對(duì)數(shù)收益率路徑圖圖3.3股票對(duì)數(shù)收益率QQ圖由圖3.2可看出，該收益率序列存在明顯的波動(dòng)聚集性與非對(duì)稱(chēng)性。圖3.3中，所有的點(diǎn)并沒(méi)有近似地在一條直線(xiàn)附近，兩邊的點(diǎn)外翹，說(shuō)明該收益率序列更符合厚

第3章基于雙門(mén)限GARCH模型的極大似然估計(jì)18率()1100ln()ln()tttyPP=是非中心化數(shù)據(jù)。對(duì)其進(jìn)行描述性分析，其統(tǒng)計(jì)結(jié)果見(jiàn)表3.4。股票收益率的路徑圖如圖3.2所示，QQ圖如圖3.3所示。表3.4股票對(duì)數(shù)收益率描述性統(tǒng)計(jì)量統(tǒng)計(jì)量樣本量均值標(biāo)準(zhǔn)差偏度峰度最大值最小值ty239-0.02950.50210.22307.57042.1021-2.4716圖3.2股票對(duì)數(shù)收益率路徑圖圖3.3股票對(duì)數(shù)收益率QQ圖由圖3.2可看出，該收益率序列存在明顯的波動(dòng)聚集性與非對(duì)稱(chēng)性。圖3.3中，所有的點(diǎn)并沒(méi)有近似地在一條直線(xiàn)附近，兩邊的點(diǎn)外翹，說(shuō)明該收益率序列更符合厚

【參考文獻(xiàn)】：
期刊論文
[1]資產(chǎn)組合非等間隔日內(nèi)在險(xiǎn)價(jià)值研究[J]. 魯萬(wàn)波,陳騁,王建業(yè).  數(shù)理統(tǒng)計(jì)與管理. 2019(06)
[2]基于MCMC的SV模型分鐘高頻股指波動(dòng)率研究[J]. 張艷慧,鄭宇軒,曹顯兵.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2019(06)
[3]基于GARCH-CVaR的股指期貨套期保值模型的實(shí)證分析[J]. 張瑞穩(wěn),趙沁怡.  統(tǒng)計(jì)與決策. 2019(04)
[4]不同分布下Realized EGARCH模型的擬合效果研究[J]. 玄海燕,戴天驕,李鴻漸,郭長(zhǎng)青.  統(tǒng)計(jì)與決策. 2018(22)
[5]基于神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸的多期CVaR風(fēng)險(xiǎn)測(cè)度[J]. 許啟發(fā),徐金菊,蔣翠俠.  數(shù)理統(tǒng)計(jì)與管理. 2017(04)
[6]基于中國(guó)股票高頻交易數(shù)據(jù)的隨機(jī)波動(dòng)建模與應(yīng)用[J]. 張波,蔣遠(yuǎn)營(yíng).  統(tǒng)計(jì)研究. 2017(03)
[7]基于MCMC算法的人民幣匯率市場(chǎng)的分析——雙門(mén)限非對(duì)稱(chēng)GARCH模型的應(yīng)用[J]. 夏強(qiáng),劉金山.  數(shù)理統(tǒng)計(jì)與管理. 2012(03)
[8]基于GARCH族模型的VaR與CVaR值的實(shí)證與應(yīng)用[J]. 陶偉.  統(tǒng)計(jì)與決策. 2012(09)
[9]基于CVaR-GARCH-GED模型的單品種期貨風(fēng)險(xiǎn)價(jià)值預(yù)測(cè)[J]. 周穎,仇曉光.  統(tǒng)計(jì)與決策. 2007(18)

博士論文
[1]基于目標(biāo)區(qū)理論的三制度DTGARCH匯率模型構(gòu)建及應(yīng)用研究[D]. 劉潭秋.湖南大學(xué) 2006

碩士論文
[1]基于已實(shí)現(xiàn)GARCH類(lèi)模型的股票市場(chǎng)VaR研究[D]. 徐志.安徽財(cái)經(jīng)大學(xué) 2019
[2]門(mén)限ARMA模型的貝葉斯估計(jì)[D]. 王佩.中國(guó)礦業(yè)大學(xué) 2019
[3]金融危機(jī)背景下我國(guó)股票市場(chǎng)風(fēng)險(xiǎn)收益關(guān)系研究[D]. 王敏.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2018
[4]基于VaR模型的我國(guó)商業(yè)銀行利率風(fēng)險(xiǎn)度量及實(shí)證研究[D]. 喻晴.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2018
[5]基于GARCH-CVaR模型的人民幣匯率風(fēng)險(xiǎn)測(cè)度研究[D]. 關(guān)亞輝.成都理工大學(xué) 2017
[6]基于兩種分布的GARCH模型的估計(jì)及性質(zhì)[D]. 郭又銘.蘭州理工大學(xué) 2013
[7]滬深股市的波動(dòng)溢出效應(yīng)[D]. 亓壽偉.華中科技大學(xué) 2007



本文編號(hào)：3305722