在許多金融計(jì)量問題中,例如衍生產(chǎn)品定價(jià)、風(fēng)險(xiǎn)管理、套期保值和最優(yōu)投資組合選擇等,模擬和預(yù)測(cè)二階矩的相關(guān)性和各個(gè)市場(chǎng)收益之間波動(dòng)性的動(dòng)態(tài)相關(guān)關(guān)系有很重要的意義。目前研究動(dòng)態(tài)相關(guān)關(guān)系的角度有三類,第一類是利用多維時(shí)間序列的角度進(jìn)行研究,第二類是利用多維隨機(jī)過程進(jìn)行研究,第三類是利用Copula理論研究隨機(jī)變量之間的相關(guān)程度。本文主要從多維時(shí)間序列的角度對(duì)相關(guān)性分析進(jìn)行理論方法的研究和實(shí)證分析。 論文第一章對(duì)本文的選題意義、方法的創(chuàng)新和缺陷進(jìn)行了總結(jié)。論文的第二章回顧了多維時(shí)間序列相關(guān)性模型的發(fā)展歷程以及估計(jì)方法和診斷檢驗(yàn),并對(duì)各種模型的優(yōu)缺點(diǎn)和適用性進(jìn)行了比較評(píng)述。論文的第三章和第四章運(yùn)用各種多維時(shí)間序列進(jìn)行預(yù)測(cè)分析和風(fēng)險(xiǎn)分析,實(shí)證結(jié)果表明,同其他模型相比,用ADCC模型擬合中國股指收益率的方差協(xié)方差矩陣效果較好,這個(gè)結(jié)果可以為資產(chǎn)配置決策、風(fēng)險(xiǎn)管理提供理論性的指導(dǎo)。 論文的第五章提出了一種處理高維金融時(shí)間序列的新方法一基于Cholesky分解方法的SCC(序列條件相關(guān))方法,并進(jìn)行理論研究和實(shí)證分析。近年來出現(xiàn)了大量多維GARCH模型來模擬資產(chǎn)組合的波動(dòng)性及相關(guān)性,但是在估計(jì)多維GARC...

【文章頁數(shù)】：117 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
論文摘要
ABSTRACT
1. 導(dǎo)言
    1.1 選題意義
    1.2 篇章結(jié)構(gòu)
    1.3 創(chuàng)新和缺陷
2. 多維相關(guān)性模型的回顧
    2.1 多維GARCH模型的發(fā)展
        2.1.1 一維GARCH模型的一般化
        2.1.2 一維GARCH模型的線性混合
        2.1.3 一維GARCH模型的非線性混合
        2.1.4 MGARCH模型的杠桿效應(yīng)
        2.1.5 其它的多維波動(dòng)和相關(guān)性模型
    2.2 估計(jì)方法
        2.2.1 兩步估計(jì)
        2.2.2 基于遺傳算法的似然函數(shù)的估計(jì)方法
        2.2.3 多維GARCH模型的半?yún)?shù)有效估計(jì)
    2.3 診斷性檢驗(yàn)
        2.3.1 Portmanteau統(tǒng)計(jì)量
        2.3.2 基于殘差的診斷
        2.3.3 Lagrange乘子檢驗(yàn)
3. 多維相關(guān)性模型預(yù)測(cè)分析
    3.1 波動(dòng)模型預(yù)測(cè)的基本符號(hào)
    3.2 波動(dòng)性預(yù)測(cè)的意義
        3.2.1 普通的預(yù)測(cè)應(yīng)用
        3.2.2 金融應(yīng)用
    3.3 單維波動(dòng)性預(yù)測(cè)方法
        3.3.1 利用歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)
        3.3.2 隨機(jī)波動(dòng)性的預(yù)測(cè)
        3.3.3 已實(shí)現(xiàn)波動(dòng)性的預(yù)測(cè)
        3.3.4 GARCH類模型的預(yù)測(cè)
    3.4 多維相關(guān)性預(yù)測(cè)
        3.4.1 指數(shù)平滑和Riskmetrics方法
        3.4.2 BEKK模型的預(yù)測(cè)
        3.4.3 DCC模型的預(yù)測(cè)
        3.4.4 多變量隨機(jī)波動(dòng)模型和因子模型
    3.5 預(yù)測(cè)效果檢驗(yàn)方法
    3.6 實(shí)證分析
        3.6.1 數(shù)據(jù)處理
        3.6.2 ADCC模型估計(jì)
        3.6.3 CCC多維GARCH模型
        3.6.4 預(yù)測(cè)結(jié)果
4. 基于多維GARCH模型動(dòng)態(tài)投資組合的風(fēng)險(xiǎn)分析
    4.1 在險(xiǎn)價(jià)值基本原理
    4.2 風(fēng)險(xiǎn)的評(píng)價(jià)方法
        4.2.1 部分評(píng)價(jià)法
        4.2.2 全額評(píng)價(jià)法
    4.3 風(fēng)險(xiǎn)模型
        4.3.1 VaR
        4.3.2 CVaR
        4.3.3 ER(Expected Regret)
    4.4 在險(xiǎn)價(jià)值的準(zhǔn)確性檢驗(yàn)方法
        4.4.1 動(dòng)態(tài)系數(shù)檢驗(yàn)
        4.4.2 LR似然比檢驗(yàn)
    4.5 實(shí)證分析
        4.5.1 正態(tài)分布的檢驗(yàn)
        4.5.2 t分布的檢驗(yàn)
5. SCC模型
    5.1 SCC方法的起源
        5.1.1 條件相關(guān)模型
        5.1.2 SCC的介紹
        5.1.3 數(shù)值例子
    5.2 Cholesky分解方法
    5.3 漸近理論
        5.3.1 傳統(tǒng)漸近定理
        5.3.2 兩階段估計(jì)
    5.4 SCC的對(duì)數(shù)似然函數(shù)
    5.5 模型的估計(jì)
    5.6 SCC模型估計(jì)的漸近性定理
    5.7 實(shí)證分析
6. 結(jié)論及今后研究的方向
    6.1 總結(jié)
    6.2 未來的方向
        6.2.1 理論方面
        6.2.2 方法的創(chuàng)新
參考文獻(xiàn)
致謝



本文編號(hào)：3893354