引入高阶矩的GARCH模型理论研究及实证

发布时间：2023-03-03 17:55

　　Markowitz提出的均值——方差分析框架开创了对金融风险进行测度及防范研究的先河。随着金融计量理论及建模技术的发展,基于均值——方差分析金融风险已渐渐不能满足投资者的需求。大量的研究表明：金融资产收益的分布具有高峰厚尾的特性,负偏度(negative skewness)使得资产收益下降的可能大于上升的可能；而过度峰度(excess kurtosis)的存在使得极值事件发生的可能性增加。仅考虑二阶矩风险,而忽略了三阶矩(偏度风险)、四阶矩(峰度风险)显然低估了风险,容易使投资者蒙受损失。进而,高阶矩风险的持续性、一致性也被证实。如果只是静态的考虑高阶矩风险,就忽略了高阶矩风险的时变性,不能全面的测量金融风险。Engle(1982)和Bollerslev(1986)提出的广义自回归条件异方差(GARCH)模型允许具有时变的方差序列,对于当时的定价研究有了进一步的扩展。Harvey等(1999)提出了自回归条件波动、偏度模型(GARCHS)用于描述时间序列二阶矩和三阶矩的动态特征,Jondeau等(2003)、Leon等(2005)提出了自回归条件波动偏度和峰度模型(GARCHSK)用于...

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 引言
    1.1 选题的意义
    1.2 金融高阶矩的应用
2 文献综述
    2.1 外文文献
    2.2 中文文献
3 高阶矩序列波动性建模
    3.1 自回归条件偏度模型
        3.1.1 模型的建立
        3.1.2 参数估计
    3.2 自回归条件方差偏度峰度模型
        3.2.1 模型的建立
        3.2.2 参数估计
4 残差序列服从的分布
    4.1 残差序列服从广义t分布
    4.2 残差序列服从Gram-Charlier分布
    4.3 密度函数的比较
5 数据的选取及实证
    5.1 数据的选取及基本的统计特性
    5.2 模型的估计
    5.3 模型间的比较
6 结论
附录
参考文献
后记



本文编号：3752837