基于多尺度DCC-GARCH模型对金融行业间风险关联性研究

发布时间：2017-05-18 07:02

  本文关键词：基于多尺度DCC-GARCH模型对金融行业间风险关联性研究，由笔耕文化传播整理发布。

【摘要】：二十世纪八十年代以后,随着金融服务业的蓬勃发展,金融机构之间的联系愈加紧密。然而,金融机构之间关系的日益复杂化,不仅促进了金融系统整体的健全化发展,而且也带来了加剧金融系统风险传染扩散的可能性。在经济全球化的市场经济时代,金融危机的爆发已经不再拘泥于某一区域,而是已无法估量的速度席卷全球。在中国,尽管国内目前尚未出现内部风险引发的大规模的金融危机,但近些年来国内金融系统中的不稳定现象已经引起人们的警觉。随着国内金融领域行业间商业合作愈加频繁,行业间风险关联性也日益凸显,因此及时掌握金融行业间风险的动向就显得极为重要。本文以国内支撑金融系统的四大金融行业：信托行业、银行业、保险行业以及证券行业为研究对象,为了能够全面分析金融各行业所面临的风险以及行业间风险的动态关联情况,本文采用小波方法和多元广义条件异方差模型相结合的方法进行综合分析。通过多时间尺度的动态关联性分析,了解国内各金融行业间风险关联的特征,理清国内金融各行业之间风险关联的脉络,以便能够更深入了解系统性金融风险在生成初期的传导机制,期望能够在危机生成初期对金融系统进行有效的预警。通过实证分析最终得到以下结论：信托、银行、保险以及证券行业作为我国金融系统支柱性的四大行业,它们之间存在的相互关联的关系；并且由于行业间风险关联性会随着尺度的变化而变化,行业面临的风险也由于尺度的变化而有不同的形成原因,因此在风险控制时,应当考虑在不同的时间尺度下着眼于不同侧重点进行控制。同时通过实证分析可以确定,在我国金融系统中,银行是整个系统运转的主要环节,从风险关联的情况来看,一旦银行出现大幅度动荡,如果短时间内不能解决,可能会带来巨大金融系统的整体危机。本文内容主要分为以下几个部分：在绪论部分将主要阐述本文选择以国内四大支柱金融行业为研究对象,以考察各行业之间关联性为研究目的的背景及意义。同时,也将梳理关于本文在分析研究中用到的相关国内外文献。第二部分主要是关于金融时间序列的波动模型以及小波方法等基本理论的介绍,其中包括ARCH模型、GARCH模型以及波动模型在多元变量上的推广DDC-GARCH模型。同时还包括包括对于MODWT变换的介绍,以及小波方差和小波相关系数分析。在实证分析部分中主要通过对数据样本进行,小波变换、建立DCC-GARCH模型,进行格兰杰因果检验,最终达到关于四个金融行业在多尺度下的动态联动性问题的分析目的。最后对于实证分析得到的结论进行总结归纳。本文的创新之处在于,在研究对象的选择上,选择国内金融系统占据主导地位的四个行业为研究对象；在样本数据的选择上采用微观数据,选择代表行业企业的数据加权进行关于行业问题的分析；在实证分析方面加入小波变换,在多尺度下使用多元广义条件异方差模型研究动态关联性问题,以求能够全面的了解数据所夹带的全部信息,最后以格兰杰因果检验为行业之间相互关联性的明朗化作以说明,从而保证实证分析的完整性。
【关键词】：DCC—GARCH模型 多尺度分析 关联性
【学位授予单位】：东北财经大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.5
【目录】：

• 摘要2-4
• ABSTRACT4-9
• 1 绪论9-18
• 1.1 研究背景及意义9-10
• 1.2 国内外研究现状10-15
• 1.2.1 基于条件异方差的金融波动关联性的研究10-13
• 1.2.2 金融时间序列的小波分析13-15
• 1.3 研究内容及方法15-18
• 1.3.1 研究内容15-16
• 1.3.2 研究方法16
• 1.3.3 论文的结构安排16-17
• 1.3.4 本文的创新点及不足17-18
• 2 自回归条件异方差模型及小波分析的理论介绍18-27
• 2.1 单变量自回归条件异方差模型18-20
• 2.1.1 ARCH模型结构18-19
• 2.1.2 GARCH模型结构19-20
• 2.2 MVGARCH模型20-23
• 2.2.1 VEGH模型21-22
• 2.2.2 DCC-GARCH模型22-23
• 2.3 小波分析基本理论23-27
• 2.3.1 极大重叠离散小波变换(MODWT)24-25
• 2.3.2 小波方差及小波相关系数25-27
• 3 实证分析27-53
• 3.1 数据选择及描述27-32
• 3.1.1 研究对象及数据27-29
• 3.1.2 数据统计描述29-31
• 3.1.3 小结31-32
• 3.2 基于小波变换的多尺度金融行业关联性研究32-40
• 3.2.1 基于MODWT方法变换的金融各行业日收益率序列描述32-34
• 3.2.2 基于小波方差的金融各行业收益率分析34-36
• 3.2.3 基于小波互相关的金融各行业收益率分析36-39
• 3.2.4 小结39-40
• 3.3 基于多尺度MV-GARCH的各金融行业动态关联性研究40-53
• 3.3.1 各金融行业收益率的波动性40-42
• 3.3.2 各金融行业收益率的GARCH模型42-45
• 3.3.3 各金融行业收益率的MV-GARCH模型45-49
• 3.3.4 各金融行业收益率的格兰杰因果检验49-52
• 3.3.5 小结52-53
• 4 总结53-55
• 参考文献55-58
• 后记58-59

【相似文献】

中国期刊全文数据库 前10条

1 施建淮;;基于信息的双重危机模型及其在东亚危机中的应用[J];经济学(季刊);2001年01期

2 保罗·克鲁格曼;论新一代危机模型[J];国际金融研究;2001年10期

3 陈小平;品牌的认知进化与模型分析[J];企业改革与管理;2001年03期

4 方丹;江孝感;;政府间管制效率的比较模型分析[J];东南大学学报(哲学社会科学版);2006年S1期

5 曾婧;蔡银寅;;监督与激励:改善企业生产管理的二元结构模型分析[J];财会月刊;2009年21期

6 宋琴;胡凯;;政府干预、银行信贷与企业融资——基于激励与抽租权衡的模型分析[J];甘肃金融;2010年08期

7 高倩;申毅;李天然;赵媛;;由南京旅游收入的模型探讨民国旅游资源的利用[J];学理论;2011年12期

8 李之勇;李树刚;;工程变更技术及模型分析[J];中国高新技术企业;2011年13期

9 喻小军，，罗荣桂;我国民营企业增长模型分析[J];中南财经大学学报;1995年05期

10 范钛;现代管理生产力的解构与模型分析[J];社会科学研究;1998年02期

中国重要会议论文全文数据库 前10条

1 钱林晓;王一涛;;对应试教育条件下学生学习行为的模型分析[A];2005年中国教育经济学年会会议论文集[C];2005年

2 高林;刘喜梅;;多模型中权值确定的新方法及其应用[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

3 朱萍;刘伟泽;万立滨;;基于实证研究的知识管理路线、方法和模型分析[A];航空工业档案学会七届四次理事会暨2013年度优秀论文交流会论文集[C];2013年

4 潘洁;周宗放;;全流通下KMV模型中的违约点修正及实证研究[A];中国企业运筹学[C];2009年

5 肖田元;;仿真是基于模型的活动[A];新观点新学说学术沙龙文集37：仿真是基于模型的实验吗[C];2009年

6 吴义忠;陈立平;张昌杰;;基于多领域模型分析的参数优化研究[A];庆祝中国力学学会成立50周年暨中国力学学会学术大会’2007论文摘要集（下）[C];2007年

7 毛曹珏;曹锐;;两种缺陷接地结构的模型分析[A];2007年全国微波毫米波会议论文集（下册）[C];2007年

8 董维中;;气体模型对钝体高超声速流动数值计算影响的分析[A];第十届全国计算流体力学会议论文集[C];2000年

9 侯建荣;黄培清;;基于Ito随机微分方程的客户群变动模型分析[A];2004年中国管理科学学术会议论文集[C];2004年

10 肖婷婷;;经典的逃税模型及其两周期扩展[A];第四届中国不确定系统年会论文集[C];2006年

中国重要报纸全文数据库 前4条

1 范超;浅谈如何备战统计建模大赛[N];中国信息报;2011年

2 媛萍;用模型分析企业战略要素[N];中国高新技术产业导报;2002年

3 牛津大学博士 阿姆斯（RMS）风险管理公司亚太地区代表 高航;由近期亚太地区地震看巨灾风险[N];中国保险报;2012年

4 编译 史一卓;印度应用气象模型监测臭氧污染[N];中国气象报;2014年

  本文关键词：基于多尺度DCC-GARCH模型对金融行业间风险关联性研究，由笔耕文化传播整理发布。

本文编号：375347