论文题目: 基于时间序列矩属性的金融波动模型研究
论文类型: 博士论文
论文专业: 技术经济及管理
作者: 许启发
导师: 张世英
关键词: 金融波动,高阶矩风险,矩序列波动性建模,矩序列波动持续与协同持续,分数维,多分辨,非线性
文献来源: 天津大学
发表年度: 2005
论文摘要: 金融风险始终伴随着金融市场的发展,如何度量金融风险的变化及其特性并实施有效的规避及防范措施,一直是理论界与实务界共同研究的课题。过去,金融波动的方差风险(二阶矩风险)已经为人们熟知并被广泛讨论着,取得了一系列的研究成果,但对于高阶矩风险迄今研究不足。本文重点讨论高阶矩波动性建模,对高阶矩风险的时变性及持续性进行定量刻画,论文主要工作和创新如下:1.给出了NAGARCHSK-M模型并讨论其一整套建模技术;给出多元GARCHSK模型的三种表达形式,并基于正态分布的Gram-Charlier展开讨论模型参数估计方法;基于独立成分分解技术提出IC-GARCHSK模型,给出多元条件高阶矩波动率的估计方法。2.讨论了SR-SARV模型的属性特征,并基于Kalman滤波给出其参数估计方法;讨论了Box-Cox-SV模型的矩属性和平方序列自相关特征。3.基于脉冲响应分析讨论了高阶矩序列的波动持续性和协同持续性,给出波动持续性定理与协同持续存在定理,为寻找协同持续向量提供了依据;提出分数维协整与分数维协同持续概念,拓展了整数维框架下关于波动持续与协同持续问题的研究。4.基于小波多分辨分析,理论上提出了多分辨协整和多分辨误差校正模型等概念,给出检验程序与建模方法,提出了多分辨持续与多分辨协同持续的概念;实务上提出多分辨的投资组合策略和多分辨的资本资产定价模型。5.基于小波神经网络,给出多分辨非线性协整建模方法;讨论了高阶矩序列非线性协同持续问题,实证研究发现我国两大股指之间的方差过程与偏度过程存在共同的非线性协同持续向量,即降低方差持续的非线性组合能够同时降低偏度持续性,这一点非常重要。6.针对条件高阶矩风险,在理论上基于效用函数的Taylor展开推导出高阶矩动态投资组合策略,给出高阶矩动态资本资产定价模型,并进行了实证研究。本论文是国家自然科学基金资助项目《多变量矩序列长期均衡关系及动态金融风险规避策略研究》(No:70471050)的组成部分。
论文目录:
摘要
ABSTRACT
第一章 绪论
1.1 论文选题背景与研究现状
1.1.1 研究背景
1.1.2 研究现状
1.2 问题提出与选题意义
1.2.1 问题提出
1.2.2 选题意义
1.3 论文结构安排与主要创新
1.3.1 论文结构安排
1.3.2 论文主要创新
第二章 一阶矩序列的波动性建模
2.1 一元时间序列波动性建模
2.1.1 时间序列的记忆性
2.1.2 时间序列长记忆性检测
2.1.3 时间序列长记忆参数的估计
2.1.4 长记忆时间序列建模
2.2 多元时间序列协整建模
2.2.1 线性协整及误差校正模型
2.2.2 非线性协整理论及误差校正模型
2.2.3 分数维协整及其存在性
2.2.4 多分辨协整及误差校正模型
2.3 实证研究
2.3.1 数据的选取与准备
2.3.2 收益序列的长记忆性检验
2.3.3 利用小波神经网络拟合序列间的非线性协整关系
2.3.4 多分辨协整关系的检验
2.3.5 多分辨误差校正模型及预测
2.4 本章小结
第三章 二阶矩序列的波动性建模
3.1 一元波动性建模
3.1.1 自回归条件异方差类模型
3.1.2 随机波动类模型
3.2 一元波动性建模的扩展
3.2.1 Box-Cox-SV模型
3.2.2 SR-SARV模型
3.3 多元波动性建模
3.3.1 多元ARCH类模型
3.3.2 多元SV模型
3.4 实证研究
3.4.1 数据的选取及基本描述
3.4.2 收益率序列的Box-Cox-SV模型参数估计
3.4.3 收益率序列的EGARCH模型
3.4.4 Box-Cox-SV模型与EGARCH模型刻画能力比较
3.5 本章小结
第四章 高阶矩序列的波动性建模
4.1 自回归条件偏度模型
4.1.1 模型表达
4.1.2 参数估计
4.2 自回归条件方差偏度峰度模型
4.2.1 模型表示
4.2.2 参数估计
4.3 带有均值项的非对称自回归条件方差偏度峰度模型
4.3.1 NAGARCHSK-M模型
4.3.2 NAGARCHSK-M模型参数估计
4.3.3 假设检验
4.3.4 实证研究
4.4 多元自回归条件方差偏度峰度模型
4.4.1 多元自回归条件方差偏度峰度模型
4.4.2 二元自回归条件方差偏度峰度模型
4.4.3 实证研究
4.5 本章小结
第五章 矩序列波动持续与协同持续
5.1 二阶矩序列波动持续与协同持续
5.1.1 线性持续与协同持续
5.1.2 非协同持续性
5.1.3 分数维持续与协同持续
5.1.4 多分辨持续与协同持续
5.2 高阶矩序列波动持续与协同持续
5.2.1 线性持续与协同持续
5.2.2 非线性协同持续
5.3 协整与协同持续之间内在关系
5.3.1 协整与协同持续之间差异
5.3.2 协整与协同持续之间联系
5.4 本章小结
第六章 高阶矩风险及其持续性对金融投资决策的影响
6.1 在投资组合中的应用
6.1.1 传统投资组合理论及其缺陷
6.1.2 多分辨投资组合策略研究
6.1.3 条件高阶矩的投资组合
6.2 在资本资产定价中的应用
6.2.1 传统资本资产定价模型及其缺陷
6.2.2 多分辨高阶矩CAPM
6.2.3 条件高阶矩资本资产定价模型
6.3 本章小结
第七章 总结与展望
7.1 论文工作总结
7.1.1 已经取得的研究成果
7.1.2 有待进一步研究的问题
7.2 研究展望
7.2.1 协整理论未来研究方向
7.2.2 协同持续问题未来研究方向
7.2.3 其它金融计量建模未来研究方向
参考文献
攻读博士期间发表论文与参加科研项目情况
致谢
发布时间: 2007-07-10
参考文献
- [1].时间序列相空间重构数据挖掘方法及其在证券市场的应用[D]. 陈佐.湖南大学2007
- [2].随机交互金融模型的构建及金融时间序列的统计分析[D]. 鲁韵帆.北京交通大学2018
- [3].时间序列数据挖掘中相似性和趋势预测的研究[D]. 王晓晔.天津大学2003
- [4].多变量时间序列波动持续性研究[D]. 李汉东.天津大学2000
- [5].非线性协整与非线性波动协同持续建模研究[D]. 刘丹红.天津大学2004
- [6].复杂网络在非线性时间序列分析中的应用[D]. 郭珩.华东师范大学2018
- [7].时间序列的多粒度智能分析方法研究[D]. 邓伟辉.中国科学院大学(中国科学院重庆绿色智能技术研究院)2017
- [8].海量时间序列数据处理的关键技术研究[D]. 刘文.大连理工大学2017
- [9].时间序列数据分类、检索方法及应用研究[D]. 郑毅.中国科学技术大学2015
- [10].汇率时间序列非线性动力学特征及组合预测研究[D]. 杨妮.湖南大学2008
标签：金融波动论文; 高阶矩风险论文; 矩序列波动性建模论文; 矩序列波动持续与协同持续论文; 分数维论文; 多分辨论文; 非线性论文;