引入高阶矩的资产定价、波动率建模与风险测量

发布时间：2022-01-23 10:11

　　收益率的非对称性和尖峰、厚尾性等高阶矩特征普遍存在于国内外股票市场。然而,“均值-方差”分析的广泛应用和中心极限定理的存在,以及正态分布具有的各种优良性质,常常使得正态分布假设倍受青睐。也正因为如此,部分学者在讨论资产定价、波动率建模以及风险测量等金融理论与实证研究的三个重要问题时,往往容易忽略收益率分布的高阶矩特征,以及投资者对这些高阶矩风险的偏好态度。随着相关理论和实证研究的广泛开展,越来越多的学者认识到,将收益率的高阶矩特征引入资产定价、波动率建模以及风险测量等问题是十分必要的。本文在对现有研究进行较为系统地回顾后,先采用非参数方法,以中国股市的指数收益率为样本,考察了收益率分布的非对称性和尖峰、厚尾等高阶矩特征的存在性,并基于自回归条件密度模型,分析了高阶矩特征的产生机制。在此基础上,本文分别对引入高阶矩特征的资产定价、波动率建模以及风险测量做了进一步的研究。除了绪论、高阶矩特征的存在性和产生机制分析这三个基础性工作之外,本文针对上述三个问题的工作包括如下四个方面。首先,就资产定价来讲,本文进一步基于高阶矩资本资产定价模型,对两种常见的收益率“异象”——“动量效应”和“反转效应... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：216 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 引言
    1.2 研究范围与基本概念界定
        1.2.1 资产定价
        1.2.2 波动率建模
        1.2.3 风险测量
    1.3 投资者的偏好假设与资产定价
        1.3.1 “均值－方差”偏好下的资产定价
        1.3.2 “高阶矩”偏好下的资产定价
    1.4 正态和非正态分布假设下的波动率建模
        1.4.1 正态分布假设下的波动率建模
        1.4.2 非正态分布假设下的波动率建模
        1.4.3 正态和非正态分布假设下模型的预测绩效
        1.4.4 比较模型的预测绩效：真实性校验
    1.5 正态和非正态分布假设下的风险测量
        1.5.1 VaR 预测的返回检验
        1.5.2 正态和非正态分布假设下的VaR 预测
    1.6 问题的提出
    1.7 研究内容与结构安排
    1.8 本文的主要创新点
第二章 高阶矩特征的存在性及其非参数检验
    2.1 引言
    2.2 相关研究回顾
        2.2.1 无条件高阶矩
        2.2.2 条件高阶矩
    2.3 模型方法
        2.3.1 分布的正态性
        2.3.2 分布的对称性
        2.3.3 分布的厚尾性
        2.3.4 收益率的波动模型
    2.4 样本描述
    2.5 实证结果
        2.5.1 无条件高阶矩特征的非参数检验
        2.5.2 条件高阶矩特征的非参数检验
    2.6 本章小结
    附录
        2A 条件高阶矩的部分核估计图形
第三章 高阶矩特征的产生机制分析
    3.1 引言
    3.2 相关研究回顾
        3.2.1 收益率超额偏度的产生机制
        3.2.2 收益率超额峰度的产生机制
        3.2.3 异质信念模型的相关理论预示
    3.3 模型方法
        3.3.1 收益率的波动过程
        3.3.2 条件高阶矩建模
        3.3.3 “周内效应”和“假日效应”
        3.3.4 模型参数的极大似然估计
    3.4 样本说明及一些初步的结果
    3.5 实证结果
        3.5.1 收益率的波动过程
        3.5.2 偏态方程：检验假设1 和假设2
        3.5.3 峰态方程：检验假设3 和假设4
        3.5.4 结果分析
    3.6 本章小结
    附录
        3A 偏态方程的其他估计结果
        3B 峰态方程的其他估计结果
第四章 动量效应和反转效应：基于高阶矩CAPM 的再检验
    4.1 引言
    4.2 相关研究回顾
    4.3 投资组合的构建
    4.4 引入高阶矩风险因子评价投资组合的收益率
        4.4.1 基于MVCAPM 和HMCAPM 评价策略组合的收益率
        4.4.2 基于TFM 和HMCAPM 评价策略组合的收益率
    4.5 数据说明
    4.6 动量组合与反转组合的收益率
    4.7 实证结果
        4.7.1 基于MVCAPM 和HMCAPM 的实证结果
        4.7.2 基于TFM 和TFHM 的实证结果
        4.7.3 反转策略下赢家和输家组合的风险比较
    4.8 本章小结
    附录
        4A 动量策略下HMCAPM 的回归结果
        4B 反转策略下HMCAPM 的回归结果
第五章 引入高阶矩的波动率预测绩效比较：参数化方法
    5.1 引言
    5.2 相关研究回顾
    5.3 模型设定
        5.3.1 GARCH 族模型
        5.3.2 五种形态灵活的非正态分布
    5.4 模拟分析
    5.5 实证分析
        5.5.1 数据说明及样本内的拟合结果
        5.5.2 波动率预测与绩效评价
        5.5.3 实证结果
    5.6 本章小结
    附录
        5A 服从SkewT 分布的随机数生成算法
        5B 基于最小二乘方法比较各分布假设下GARCH 族模型的预测绩效
        5C 基于SPA 方法比较各分布假设下GARCH 族模型的预测绩效
第六章 引入高阶矩的波动率预测绩效比较：半参数方法
    6.1 引言
    6.2 相关研究回顾
    6.3 模型方法
        6.3.1 参数估计的EF 方法
        6.3.2 一步外推预测与绩效评价
    6.4 数据说明与实证结果
    6.5 本章小结
第七章 引入高阶矩的VaR 预测：高阶矩可行域未必越广越好
    7.1 引言
    7.2 相关研究回顾
    7.3 三种偏斜厚尾分布及其高阶矩可行域
    7.4 模型方法
        7.4.1 模型设定
        7.4.2 预测绩效的返回检验
    7.5 样本描述
    7.6 实证结果
        7.6.1 VaR 的样本内拟合绩效
        7.6.2 VaR 的样本外预测绩效
    7.7 本章小结
    附录
        7A 六种分布在样本内拟合VaR 的UC 检验
        7B 六种分布在样本外预测VaR 的UC 检验
第八章 结束语
    8.1 全文总结与创新点
    8.2 研究展望
致谢
参考文献
攻博期间取得的研究成果


【参考文献】：
期刊论文
[1]考虑条件高阶矩风险的动态对冲模型研究[J]. 张龙斌,王春峰,房振明.  管理工程学报. 2009(04)
[2]中国股票收益率的稳定分布拟合与检验[J]. 孙群.  数学理论与应用. 2009(02)
[3]股票收益率的组合分布研究[J]. 徐天群,刘焕彬,徐天河,陈跃鹏.  武汉理工大学学报(信息与管理工程版). 2009(01)
[4]中国股票市场的高阶矩波动特征研究[J]. 王鹏,王建琼.  管理科学. 2008(04)
[5]中国股票市场具有“节日效应”吗?[J]. 陆磊,刘思峰.  金融研究. 2008(02)
[6]中国证券市场股指收益分布的实证分析[J]. 黄德龙,杨晓光.  管理科学学报. 2008(01)
[7]GARCH模型与VaR的度量研究[J]. 徐炜,黄炎龙.  数量经济技术经济研究. 2008(01)
[8]谁是赢者?——上证180指数股票的赢者输者效应实证检验[J]. 刘驰,秦学志.  系统管理学报. 2007(06)
[9]GARCH类模型波动率预测评价[J]. 黄海南,钟伟.  中国管理科学. 2007(06)
[10]一个基于非对称Laplace分布和DEA的证券投资基金评价方法[J]. 赵秀娟,张洪水,黎建强,汪寿阳.  系统工程理论与实践. 2007(10)



本文编号：3604138