本文關(guān)鍵詞：金融時間序列VaR模型研究與Web可視化系統(tǒng)構(gòu)建

  更多相關(guān)文章： 金融時間序列 VaR 統(tǒng)計檢驗 馬爾科夫蒙特卡洛 廣義自回歸條件異方差 投資組合 q-高斯分布 Copula理論 極值理論 帕累托分布 R語言 Web數(shù)據(jù)可視化

【摘要】：隨著金融衍生品不斷豐富，加上最近出現(xiàn)的互聯(lián)網(wǎng)金融，都使得個人和企業(yè)面臨更多投資理財?shù)倪x擇。風險和收益總是相伴相生，相互制約，因此在有限資金情況下，如何以最小的風險取得最大的收益，是長期擺在學術(shù)界、金融界和投資者面前的問題，這也是投資組合理論（Portfolio Theory）產(chǎn)生的背景和研究內(nèi)容。金融時間序列分析（Analysis of Financial Time Series）是一門新興的涉及數(shù)理統(tǒng)計、經(jīng)濟金融與計算機科學的交叉學科，因此考慮通過研究金融時間序列特征和風險模型，來改進投資組合模型。 首先，介紹了本課題的研究背景和意義，對國內(nèi)外相關(guān)文獻和研究技術(shù)做了綜述。結(jié)合廣義自回歸條件異方差（Generalized Autoregressive Conditional Heteroskedasticity，GARCH）模型和馬爾科夫蒙特卡洛（Markov Chain Monte Carlo，MCMC）方法，提出了一個改進的VaR（Value at Risk，VaR）計算方法，并結(jié)合滬深300指數(shù)對改算法進行了實證比較分析。 接著，針對股票收益率數(shù)據(jù)分布尖峰后尾的特性，從線性微分方程中推導出雙參數(shù)q-高斯分布概率密度函數(shù)，研究了其圖形特征和參數(shù)估計方法，將其應用在經(jīng)典的投資組合模型中，結(jié)合真實股票數(shù)據(jù)實證研究，結(jié)果表明基于q-高斯分布的投資組合模型可以取得更大收益。 然后，針對資產(chǎn)收益率序列間的相依關(guān)系和尖峰后尾特性，把Copula理論、極值理論、q-高斯分布投資組合模型集成起來，提出了一個集成算法框架，用以衡量資產(chǎn)組合風險和收益，，通過選取近年來和中國經(jīng)濟關(guān)系密切的數(shù)個經(jīng)濟體的指數(shù)數(shù)據(jù)進行了實證研究分析，結(jié)果表明該集成算法框架可以有效降低投資風險并最大化收益。 最后，基于R語言出眾的統(tǒng)計分析功能和金融互聯(lián)網(wǎng)的特點，結(jié)合RShiny、FastRWeb和ECharts等Web數(shù)據(jù)可視化技術(shù)，構(gòu)建了基于Web的金融數(shù)據(jù)可視化系統(tǒng)。
【關(guān)鍵詞】：金融時間序列 VaR 統(tǒng)計檢驗 馬爾科夫蒙特卡洛 廣義自回歸條件異方差 投資組合 q-高斯分布 Copula理論 極值理論 帕累托分布 R語言 Web數(shù)據(jù)可視化
【學位授予單位】：華東交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP393.09;F832.51;F224
【目錄】：

• 摘要3-4
• ABSTRACT4-6
• 目錄6-8
• 主要符號說明8-9
• 第一章 緒論9-15
• 1.1 研究背景及意義9-10
• 1.2 國內(nèi)外文獻綜述10-14
• 1.2.1 GARCH 模型族國內(nèi)外研究狀況10-11
• 1.2.2 VaR 國內(nèi)外研究狀況11-12
• 1.2.3 投資組合模型國內(nèi)外研究狀況12-13
• 1.2.4 基于 R 語言 Web 數(shù)據(jù)可視化國內(nèi)外研究狀況13-14
• 1.3 本文工作14-15
• 第二章 金融時間序列 VaR 建模方法與實證分析15-27
• 2.1 金融時間序列特征15-16
• 2.2 VaR 建模相關(guān)算法16-20
• 2.2.1 資產(chǎn)收益率16-17
• 2.2.2 在險價值 VaR17-18
• 2.2.3 馬爾科夫蒙特卡洛方法18-19
• 2.2.4 GARCH 模型19-20
• 2.3 實證分析20-26
• 2.3.1 實驗數(shù)據(jù)及其特征檢驗20-23
• 2.3.2 實驗與分析23-26
• 2.4 本章小結(jié)26-27
• 第三章 基于 q-高斯分布的投資組合模型27-37
• 3.1 q-高斯分布27-32
• 3.1.1 q-高斯分布的推導27-29
• 3.1.2 q-高斯分布的參數(shù)特征與參數(shù)估計29-32
• 3.2 投資組合模型及其改進32-33
• 3.3 實證分析33-36
• 3.4 本章小結(jié)36-37
• 第四章 基于 Copula 函數(shù)的投資組合風險預測37-50
• 4.1 Copula 理論37-42
• 4.1.1 Copula 原理和性質(zhì)37-38
• 4.1.2 Copula 類型38-40
• 4.1.3 參數(shù)估計方法及擬合優(yōu)度檢驗40-42
• 4.2 極值理論和帕累托分布42-43
• 4.3 模型構(gòu)建43-45
• 4.4 實證分析45-49
• 4.4.1 實驗數(shù)據(jù)45-46
• 4.4.2 實驗過程46-49
• 4.5 本章小結(jié)49-50
• 第五章 基于 Web 的金融數(shù)據(jù)可視化系統(tǒng)構(gòu)建50-58
• 5.1 Shiny 開發(fā)交互式 Web 應用50-53
• 5.2 FastRWeb 開發(fā)基于 R 的 Web 應用53-54
• 5.3 ECharts 的數(shù)據(jù)可視化54-55
• 5.4 基于 Web 的金融數(shù)據(jù)可視化系統(tǒng)構(gòu)建55-57
• 5.4.1 金融數(shù)據(jù)的可視化55-57
• 5.4.2 基于 Web 的金融數(shù)據(jù)可視化系統(tǒng)構(gòu)建57
• 5.5 本章小結(jié)57-58
• 第六章 總結(jié)58-60
• 6.1 主要工作回顧58
• 6.2 本課題今后需進一步研究的地方58-60
• 參考文獻60-65
• 附錄A 部分相關(guān)程序代碼65-67
• 個人簡歷 在讀期間發(fā)表的學術(shù)論文67-68
• 致謝68

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 田玲;羅添元;王正文;;基于Copula函數(shù)的保險公司經(jīng)濟資本配置研究[J];保險研究;2011年06期

2 王良;楊乃定;姜繼嬌;;機會約束下基于混合整數(shù)規(guī)劃的均值-VaR證券投資基金投資組合選擇模型[J];系統(tǒng)工程;2007年01期

3 印凡成;陳瑞冰;黃健元;;基于均值-VaR-熵的證券投資組合應用研究[J];重慶理工大學學報(自然科學);2013年03期

4 李賀;張玉林;;基于行業(yè)板塊的投資組合方法研究[J];電子科技大學學報(社科版);2013年03期

5 周暉;方江曉;黃梅;;風電功率GARCH預測模型的應用研究[J];電力系統(tǒng)保護與控制;2011年05期

6 尤華;李恩娟;;股權(quán)結(jié)構(gòu)與股權(quán)代理成本關(guān)系的實證研究——基于2011年創(chuàng)業(yè)板上市公司的數(shù)據(jù)研究[J];技術(shù)經(jīng)濟與管理研究;2014年01期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 韓哲;中國區(qū)域金融業(yè)發(fā)展非均衡性研究[D];吉林大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 劉一鳴;金融時間序列預測模型研究[D];蘭州大學;2014年

本文編號：829700