导读:本文包含了收益率分布论文开题报告文献综述及选题提纲参考文献，主要关键词:尖峰厚尾,稳定分布,G-ARMA-GARCH-S族模型,贝叶斯估计
收益率分布论文文献综述
李浩[1]（2019）在《基于稳定分布的G-ARMA-GARCH族的中国股指收益率及其在险价值研究》一文中研究指出金融数据一般具有尖峰厚尾的特性,股市数据一般具有波动特性,不同发展水平状态下的股票市场一般存在非对称性,异方差性、聚集效应以及杠杆效应,故如何研究尖峰厚尾状态下股市数据的特性是一个重中之重的问题。本文利用稳定分布捕获沪深股市股指收益的尖峰厚尾特性和非对称性,利用ARMA-GARCH模型捕获异方差性,并结合历史价格信息,建立基于稳定分布的G-ARMA-GARCH模型(G-ARMA-GARCH-S)。本文的研究结构如下:前叁章介绍了金融数据的一般特征,简述了金融数据的分布及其特点,从“稳定”、中心极限定理和特征函数叁个角度给出了稳定分布的定义,并给出贝叶斯估计稳定分布参数的方法。第四章引入梯度因子,建立G-ARMA-GARCH-S族模型,讨论了几种不同分布下的G-ARMA-GARCH族模型的特性,利用极大似然估计对模型系数作出了估计,并给出基于稳定分布的在险价值(VaR)估计方法,用其衡量金融市场风险。最后通过模拟验证了用贝叶斯方法估计稳定分布参数误差更小。通过沪深股市股指收益率序列数据进行实证分析,发现G-ARMA-GARCH-S族模型比正态分布等薄尾分布拟合效果更好,并且G-ARMA-GARCH-S族模型估计的VaR刻画沪深股市金融市场风险更准确,更能给投资者投资风险建议。(本文来源于《华东师范大学》期刊2019-05-01）
李静[2]（2018）在《股票指数收益率分布研究》一文中研究指出分析了沪深300指数从2005-01-04—2018-04-13的价格数据,发现其日收益率分布具有左偏、尖峰厚尾的特征,不满足正态分布;用高斯混合分布对沪深300指数日收益率进行拟合,并用基于BIC指标的EM算法求解混合分布参数,结果表明,高斯混合分布可以很好地捕捉到指数收益率的分布特征。(本文来源于《科技与创新》期刊2018年24期）
李家山[3]（2018）在《我国股市收益率波动性特征实证研究——基于GED分布下上证50指数和创业板指数的比较》一文中研究指出为了进一步研究我国股市收益率波动特征,通过使用GARCH族模型实证检验了2012年7月2日至2017年11月10日我国股市中上证50指数日收益率和创业板指数日收益率的波动性特征。结果表明:上证50指数日收益率不存在非对称效应、杠杆效应,风险对收益率的影响不明显,其对利好和利空消息的反应大体一致;创业板指数日收益率波动则存在明显的非对称效应、杠杆效应,其对利空消息的反应程度要远远大于利好消息,投资创业板市场往往要承担更多风险。(本文来源于《宿州学院学报》期刊2018年12期）
雷鸣,陈汉涛,叶五一[4]（2018）在《双侧伽玛分布在股指收益率中的应用》一文中研究指出文章通过双侧伽玛分布拟合沪深两市股指日收益率数据,结果发现,双侧伽玛分布能够很好地拟合股指日收益率的分布。由于伽玛分布具有明确的表达形式,因此比用稳态分布更具有实用价值。在股指收益率服从双侧伽玛分布的基础上,研究了成交量的影响,并将其应用到VaR和CVaR的计算中,提出了一种基于双侧伽玛分布的风险度量方法。(本文来源于《统计与决策》期刊2018年22期）
姚萍,王杰,杨爱军[5]（2019）在《基于BG分布的资产收益率分布拟合与尾部风险测度——以上海黄金市场为例》一文中研究指出本文以上海黄金市场为例,在GARCH模型下,系统性比较了基于正态分布、Logistic分布、HS分布、Laplace分布、t2分布和Cauchy分布的对称和非对称共12种BG分布在收益率分布拟合以及VaR和ES测度中的效果。研究结果表明,BG分布在收益率分布建模与尾部风险测度上的表现与原分布类型有关。当原分布为正态分布时,对称和非对称BG分布的效果都较差。当原分布为Logistic分布、HS分布、Laplace分布、t2分布和Cauchy分布时,对称和非对称BG分布的效果都较好,其中非对称BG分布效果在尾部分布拟合上优势更大。在所有分布中,基于t2分布和Cauchy分布的非对称BG分布表现最优。(本文来源于《数理统计与管理》期刊2019年04期）
王立荣,李成宇,洪嘉阳[6]（2018）在《我国各行业股票收益率的分布特征》一文中研究指出构建非对称广义t分布-GARCH模型(GARCH-AGT)可以同时刻画股票收益率的波动集聚性、尖峰和偏态特征。利用1993年4月30日至2017年6月13日商业指数、工业指数、房地产指数、公共事业指数和上证综合指数的日度数据,检验GARCH-正态分布、GARCH-t分布、GARCH-GT分布和GARCH-AGT分布对行业股票指数收益率的拟合程度,结果表明:所有行业(包括综合指数)均呈现出异方差特征和厚尾特征。商业指数、工业指数以及公共事业指数还表现出了负偏特征,与其他叁个分布相比,GARCH-AGT模型可以更好地拟合这叁个行业指数,对称分布则更适用于房地产业和综合指数。这同时也说明了分行业刻画股票收益率分布的必要性,综合指数掩盖了部分行业的特有分布特征。(本文来源于《当代经济研究》期刊2018年08期）
白玮炜,聂圣炎[7]（2018）在《深沪股市收益率分布特征的统计分析》一文中研究指出中国金融市场的波动性从来都是备受关注的,本文对2007年1月4日~2017年1月4日沪深两市的收益率数据进行实证研究,得出中国金融市场收益率的分布特性,并检验股市的溢出效应与杠杆效应等一系列特征,得出深市具有单向的溢出效应以及沪深两市具有正的杠杆效应。最后结合中国的股市现状给出相关分析与建议。(本文来源于《知识经济》期刊2018年09期）
黄哲豪,李正辉,董浩[8]（2018）在《虚拟金融资产收益率分布特征研究——以比特币为例》一文中研究指出文章使用2013年1月-2017年6月的日度比特币交易数据,对序列使用马尔科夫区制转移模型(参数方法)、小波变换(非参数方法),研究比特币收益率在不同尺度分布的定量特征.由MS-AR模型分析结果可知,在低收益率区制下,投资者主要对前一两天以及大概一周的收益率有所关注,在高收益率区制下,投资者的心理在发挥主要作用,普遍认为昨日涨今日跌的事实,因此对比特币进行投资具有极强的投机心理.由小波变换分析结果可以看出,不同时间下,比特币影响因素不同.当时间跨度选取较小时,主要是投资者的投机心理以及"羊群效应"起主要影响,随着时间跨度的增加,达到半年左右时,此时主要是比特币市场的自主调控,因此也会出现小幅度的波动,但当时间跨度达到一年以上,此时政府等监管部门对该市场的管控起主要的作用,使得收益率波动情况达到几乎平稳的状态.对比发现,小波变换能够较好地反映比特币收益率的分布情况.(本文来源于《系统科学与数学》期刊2018年04期）
刘宇欣,范宏[9]（2018）在《上证A股收益率分布特征的挖掘分析》一文中研究指出基于上证A股的每日、周、月行情数据建立数据库系统,采用统计方法进行数据挖掘研究,挖掘研究不同时间范围、时间刻度和股票行业对股票收益率分布的影响.从单只股票截面,对股票收益率密度分布进行正态性检验,分析其分布特征与股票流通市值、股票行业类别以及所研究的时间刻度(日、周、月)的关系.从单位时间截面,对股票集合的收益率均值和波动率的相关统计特征进行分析,研究结果表明,股票集合的收益率均值的方差远大于单只股票截面的收益率均值的方差,这是因为股票之间的相关性远大于时间之间的相关性;另外,股票集合的波动率还具有长期记忆性的特征.(本文来源于《计算机系统应用》期刊2018年02期）
王春峰,姚守宇,房振明[10]（2017）在《收益率厚尾分布、特质性波动与股票价格行为》一文中研究指出作为当前资产定价领域研究的热点问题之一,特质性波动与股票横截面收益间的正负向关系一直以来争议较大。不同于前人学者,在对特质性波动采用了更加科学的估计方法后,本文主要从收益率厚尾分布视角出发,在考虑到所有收益信息真实表达的前提下,全面考察了特质性波动率与股票横截面收益间的关系。研究表明,特质波动率与股票横截面收益率间的关系是存在分位数依赖的,"特质波动率之谜"仅存在于收益率较低的样本股票中。在收益率较高的股票中,特质波动率与股票收益呈正向关系,且随着股票收益率分位数的升高这种正向关系显着增强。这个结论与以往研究均不相同,本文也试图从投资者追捧所引致的媒体及舆论监督效应为这种复杂的关系提供了一种可能的合理统一解释。(本文来源于《系统工程》期刊2017年12期）
收益率分布论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
分析了沪深300指数从2005-01-04—2018-04-13的价格数据,发现其日收益率分布具有左偏、尖峰厚尾的特征,不满足正态分布;用高斯混合分布对沪深300指数日收益率进行拟合,并用基于BIC指标的EM算法求解混合分布参数,结果表明,高斯混合分布可以很好地捕捉到指数收益率的分布特征。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
收益率分布论文参考文献
[1].李浩.基于稳定分布的G-ARMA-GARCH族的中国股指收益率及其在险价值研究[D].华东师范大学.2019
[2].李静.股票指数收益率分布研究[J].科技与创新.2018
[3].李家山.我国股市收益率波动性特征实证研究——基于GED分布下上证50指数和创业板指数的比较[J].宿州学院学报.2018
[4].雷鸣,陈汉涛,叶五一.双侧伽玛分布在股指收益率中的应用[J].统计与决策.2018
[5].姚萍,王杰,杨爱军.基于BG分布的资产收益率分布拟合与尾部风险测度——以上海黄金市场为例[J].数理统计与管理.2019
[6].王立荣,李成宇,洪嘉阳.我国各行业股票收益率的分布特征[J].当代经济研究.2018
[7].白玮炜,聂圣炎.深沪股市收益率分布特征的统计分析[J].知识经济.2018
[8].黄哲豪,李正辉,董浩.虚拟金融资产收益率分布特征研究——以比特币为例[J].系统科学与数学.2018
[9].刘宇欣,范宏.上证A股收益率分布特征的挖掘分析[J].计算机系统应用.2018
[10].王春峰,姚守宇,房振明.收益率厚尾分布、特质性波动与股票价格行为[J].系统工程.2017
标签：尖峰厚尾; 稳定分布; G-ARMA-GARCH-S族模型; 贝叶斯估计;