基于非正态分布的动态金融波动性模型研究
发布时间：2021-04-27 01:58
风险管理的基础和核心是对风险的定量分析和评估。在风险资产的收益率服从正态分布的条件下,方差是最好的风险度量,而大量研究已经表明金融资产收益率是非正态的,是“厚尾”和“有偏”的。因此本文在非正态分布条件下讨论金融波动性建模研究。具体从以下几个方面进行了分析探讨:1、金融收益序列非正态分布检验及理论解释。市场价格异常波动的原因,可以分为主观和客观两个方面,客观方面的原因来自市场本身,主要是制度因素;主观方面的原因来自投资者,主要是投资者的心理因素。因此,本章将首先介绍收益率非正态分布特征的检验方法,然后分别从市场微观结构理论角度和行为金融学角度讨论收益率分布尖峰厚尾特征以及偏度特征的形成原因,给出收益非正态分布的理论解释。2、金融收益“厚尾”分布动态拟合（Ⅰ）——基于广义极值分布的自回归条件密度模型研究。在考虑当前预期和波动性条件下,为了有效地捕获极端条件下收益率时间序列动态特征,建立了基于高频数据的波动性模型和条件极值VaR模型。应用智能优化算法对条件极值分布的时变参数进行估计,考察了在不同样本容量分块下的条件极值VaR,并对VaR计算结果的精度进行了Kupiec-LR检验和动态分位数检...
【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校
【文章页数】：146 页
【学位级别】：博士
【文章目录】：
中文摘要
ABSTRACT
第一章 绪论
1.1 研究背景与意义
1.1.1 研究背景——问题的提出
1.1.2 研究意义
1.2 研究现状
1.2.1 波动性模型的研究现状
1.2.2 极值理论的研究现状
1.2.3 L-矩理论的研究现状
1.2.4 投资组合研究现状
1.3 主要研究内容、结构和创新点
1.3.1 主要研究内容和结构安排
1.3.2 本文的主要创新点
第二章 金融收益序列非正态分布检验及理论解释
2.1 收益率非正态分布特征的检验
2.1.1 非正态分布的检验方法
2.1.2 基于中国数据的实证检验
2.2 收益非正态分布的理论解释
2.2.1 收益分布“尖峰厚尾”的理论解释
2.2.2 收益分布“偏度”的理论解释
2.3 本章小结
第三章 金融收益“厚尾”分布动态拟合（Ⅰ）——基于广义极值分布的自回归条件密度模型研究
3.1 高频极值波动性模型
3.2 高频极值条件VaR 模型
3.3 高频极值波动性和条件VaR 模型的实证研究
3.3.1 数据选取与基本统计描述
3.3.2 广义极值分布的参数估计
3.3.3 高频极值波动性的估计
3.3.4 高频条件极值VaR 的估计
3.4 高频极值条件VaR 后验测试分析
3.5 研究结论
3.6 本章小结
第四章 金融收益“厚尾”分布动态拟合（Ⅱ）——基于广义帕雷托分布的自回归条件L-矩模型研究
4.1 L-矩
4.2 多维高阶L-矩模型
4.2.1 高阶L-矩及L-协矩
4.2.2 L-协矩的估计
4.2.3 多维L-矩模型
4.2.4 基于L-矩相关系数的分布选择方法
4.2.5 基于L-矩的厚尾分布参数估计
4.3 基于L-矩的广义帕雷托分布动态拟合研究
4.3.1 广义帕雷托分布的静态拟合
4.3.2 广义帕雷托分布的动态拟合
4.4 基于中国股市高频数据的实证研究
4.4.1 数据选取与基本统计描述
4.4.2 静态拟合结果
4.4.3 动态拟合结果
4.4.4 条件极值VaR 的估计
4.5 结论
第五章 金融收益“偏度”和“峰度”的动态拟合——条件偏度和峰度的波动性建模研究
5.1 一维偏度和峰度建模研究——基于skewed-generalized-t 分布
5.1.1 skewed-generalized-t 分布
5.1.2 条件skewed-generalized-t 分布
5.1.3 基于中国股市的实证研究
5.1.4 基于skewed-generalized-t 分布的VaR 计算及后验比较
5.2 多维偏度和峰度建模研究——基于Su 分布
5.2.1 多维偏度和峰度模型的建立
5.2.2 多维条件偏度和峰度模型的参数估计
5.2.3 多维条件偏度和峰度实证研究
5.2.4 研究结论
5.3 已实现偏度和峰度建模研究
5.3.1 已实现方差模型
5.3.2 “已实现”偏度和峰度（Realized Skewess and Realized Kurtosis）模型
5.4 本章小结
第六章 不确定条件下考虑偏度和峰度的投资组合研究
6.1 传统投资组合理论及其缺陷
6.2 条件偏度和峰度投资组合
6.3 不确定条件下考虑偏度和峰度的投资组合
6.3.1 参数不确定问题
6.3.2 贝叶斯估计与马尔可夫蒙特卡罗模拟（MCMC）
6.3.3 有偏分布的贝叶斯推断
6.3.4 不确定条件下考虑偏度和峰度的投资组合模型研究
6.4 结论
第七章 总结与展望
7.1 全文总结
7.2 研究展望
参考文献
发表论文和科研情况说明
致谢
本文编号：3162542
【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校
【文章页数】：146 页
【学位级别】：博士
【文章目录】：
中文摘要
ABSTRACT
第一章 绪论
1.1 研究背景与意义
1.1.1 研究背景——问题的提出
1.1.2 研究意义
1.2 研究现状
1.2.1 波动性模型的研究现状
1.2.2 极值理论的研究现状
1.2.3 L-矩理论的研究现状
1.2.4 投资组合研究现状
1.3 主要研究内容、结构和创新点
1.3.1 主要研究内容和结构安排
1.3.2 本文的主要创新点
第二章 金融收益序列非正态分布检验及理论解释
2.1 收益率非正态分布特征的检验
2.1.1 非正态分布的检验方法
2.1.2 基于中国数据的实证检验
2.2 收益非正态分布的理论解释
2.2.1 收益分布“尖峰厚尾”的理论解释
2.2.2 收益分布“偏度”的理论解释
2.3 本章小结
第三章 金融收益“厚尾”分布动态拟合（Ⅰ）——基于广义极值分布的自回归条件密度模型研究
3.1 高频极值波动性模型
3.2 高频极值条件VaR 模型
3.3 高频极值波动性和条件VaR 模型的实证研究
3.3.1 数据选取与基本统计描述
3.3.2 广义极值分布的参数估计
3.3.3 高频极值波动性的估计
3.3.4 高频条件极值VaR 的估计
3.4 高频极值条件VaR 后验测试分析
3.5 研究结论
3.6 本章小结
第四章 金融收益“厚尾”分布动态拟合（Ⅱ）——基于广义帕雷托分布的自回归条件L-矩模型研究
4.1 L-矩
4.2 多维高阶L-矩模型
4.2.1 高阶L-矩及L-协矩
4.2.2 L-协矩的估计
4.2.3 多维L-矩模型
4.2.4 基于L-矩相关系数的分布选择方法
4.2.5 基于L-矩的厚尾分布参数估计
4.3 基于L-矩的广义帕雷托分布动态拟合研究
4.3.1 广义帕雷托分布的静态拟合
4.3.2 广义帕雷托分布的动态拟合
4.4 基于中国股市高频数据的实证研究
4.4.1 数据选取与基本统计描述
4.4.2 静态拟合结果
4.4.3 动态拟合结果
4.4.4 条件极值VaR 的估计
4.5 结论
第五章 金融收益“偏度”和“峰度”的动态拟合——条件偏度和峰度的波动性建模研究
5.1 一维偏度和峰度建模研究——基于skewed-generalized-t 分布
5.1.1 skewed-generalized-t 分布
5.1.2 条件skewed-generalized-t 分布
5.1.3 基于中国股市的实证研究
5.1.4 基于skewed-generalized-t 分布的VaR 计算及后验比较
5.2 多维偏度和峰度建模研究——基于Su 分布
5.2.1 多维偏度和峰度模型的建立
5.2.2 多维条件偏度和峰度模型的参数估计
5.2.3 多维条件偏度和峰度实证研究
5.2.4 研究结论
5.3 已实现偏度和峰度建模研究
5.3.1 已实现方差模型
5.3.2 “已实现”偏度和峰度（Realized Skewess and Realized Kurtosis）模型
5.4 本章小结
第六章 不确定条件下考虑偏度和峰度的投资组合研究
6.1 传统投资组合理论及其缺陷
6.2 条件偏度和峰度投资组合
6.3 不确定条件下考虑偏度和峰度的投资组合
6.3.1 参数不确定问题
6.3.2 贝叶斯估计与马尔可夫蒙特卡罗模拟（MCMC）
6.3.3 有偏分布的贝叶斯推断
6.3.4 不确定条件下考虑偏度和峰度的投资组合模型研究
6.4 结论
第七章 总结与展望
7.1 全文总结
7.2 研究展望
参考文献
发表论文和科研情况说明
致谢
本文编号：3162542
本文链接：https://www.wllwen.com/jingjifazhanlunwen/3162542.html
