GAS框架下的投资组合风险测度与优化研究
发布时间：2023-02-09 07:18
近几年计量经济学领域最为重要的创新之一便是广义自回归得分(GAS)理论框架,其通过构建得分函数来实现时变参数的更新,为金融时间序列的研究提供了新的理论框架。其出色的适应性能够被应用在金融领域多个问题的研究中,特别是风险研究领域。金融资产的风险测度问题一直是金融时间序列研究的重点问题,准确的风险测度和精准的风险预测对于了解金融资产风险情况并进行相关投资决策具有重要的理论和实践意义。近些年来,中国金融市场发展迅速,A股上市公司数量持续增加,投资者可选择标的也不断增加,同时,期货市场的发展也为投资者带来了更多的金融工具,投资组合也由单一的股票投资组合延伸到了期现货投资组合中。因此,如何选择投资组合的风险测度方式也成为了我国学术实践领域研究的重点问题。此外,随着计算机技术的发展,计算能力的不断提高也为高频数据的建模提供了有力的支持,特别是近些年量化投资的快速兴起,进而也带动了高频交易的发展。高频数据可以带来更多信息,但由于市场微观结构的影响也伴随着大量的噪声,如何采取合适的降噪方法构建有效的高频多元资产的波动率模型进行投资组合的风险测度伴随着量化投资技术的发展开始逐渐受到重视。因此,本文在详细...
【文章页数】：216 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第1章 导论
1.1 研究背景
1.2 研究意义
1.3 研究的主要内容与技术路线
1.3.1 研究内容
1.3.2 技术路线
1.4 研究的主要创新和不足
1.4.1 理论方法的创新
1.4.2 实证方法的创新
1.4.3 可能存在的不足
第2章 GAS理论框架发展及投资组合理论基础与文献综述
2.1 GAS理论框架研究和应用
2.1.1 观察值驱动模型与参数驱动模型
2.1.2 广义回归得分模型框架的提出与应用
2.2 投资组合风险测度研究
2.2.1 风险测度理论方法的选择与组合测度研究
2.2.2 基于高频数据的投资组合的风险测度问题
2.3 投资组合优化研究
2.3.1 投资组合理论的提出
2.3.2 经典投资组合理论下投资组合优化的研究分支
2.3.3 期现货投资组合套期保值优化问题
2.4 研究述评
第3章 GAS理论框架及其在金融时间序列的风险测度的应用
3.1 GAS理论框架
3.1.1 GAS框架模型的基本设定
3.1.2 GAS框架模型的估计
3.1.3 GAS框架模型的再参数化
3.1.4 模型的辨识问题
3.2 基于GAS框架的GARCH模型改进
3.2.1 GAS-GARCH-sst模型的构建
3.2.2 基于GAS框架的GAS-GARCH-sst风险测度模型的构建
3.3 基于GAS框架的金融资产风险测度与预测
3.3.1 数据的选择
3.3.2 描述性统计
3.3.3 数据的检验
3.3.4 模型的估计结果与受极端观察值影响对比
3.3.5 金融时间序列的VaR预测
3.3.6 金融时间序列的VaR预测效果对比
3.4 附录:GAS-GARCH-sst模型的估计结果
3.5 本章小结
第4章 基于R-Vine-Copula-GAS的投资组合测度与优化
4.1 Vine Copula理论
4.1.1 Copula函数的定义
4.1.2 Pair Copula的构建与R Vine
4.1.3 Vine-Copula的数组表示方式
4.1.4 R-Vine Copula密度的估计
4.1.5 R-Vine分布的选择
4.2 基于GAS框架的投资组合风险测度分析
4.2.1 样本数据的选择与预处理
4.2.2 MST-PRIM算法下的R-Vine结构
4.2.3 R-Vine Copula的参数估计结果
4.2.4 单一资产的边缘分布估计
4.2.5 GAS-R-Vine-Copula模型的仿真模拟与风险预测方法设定
4.2.6 基于GAS框架下的投资组合VaR比较分析
4.3 GAS框架下的R-Vine-Copula多维资产组合优化模型
4.3.1 Markowitz的投资组合理论
4.3.2 Mean-VaR投资组合
4.3.3 Mean-CVaR的投资组合
4.3.4 最小VaR投资组合和最小CVaR投资组合的有效前沿
4.3.5 GAS框架下的投资组合优化效果比较
4.4 本章小结
第5章 基于GAS框架的高频多元资产波动率模型的设计与应用
5.1 Wishart-GARCH模型
5.1.1 模型的假设
5.1.2 GAS框架下的模型优化
5.1.3 模型的估计
5.2 基于GAS-Wishart-Realized-GARCH模型的高频多元资产波动率的实证研究设计
5.2.1 数据的选取与高频数据清洗
5.2.2 基于刷新时间抽样的样本调整
5.3 基于GAS-Wishart-Realized-GARCH模型的高频多元资产波动率的估计结果分析
5.3.1 基于子抽样的降噪方法
5.3.2 GAS-Wishart-Realized-GARCH模型的估计结果分析
5.4 基于GAS-Wishart-Realized-GARCH模型的高频多元资产波动率预测能力比较分析
5.4.1 基于样本外数据的降噪技术的完善
5.4.2 评价预测效果的损失函数
5.4.3 样本外GAS-Wishart-Realized-GARCH模型的估计结果
5.4.4 GAS-Wishart-Realized-GARCH模型和EWMA模型预测效果比较
5.5 本章小结
第6 章 基于GAS框架的期现货投资组合的套期保值优化
6.1 期现货套期保值的理论基础和模型设计
6.1.1 套期保值理论
6.1.2 基于GAS框架的极值Copula函数模型
6.1.3 最优套期保值比率比较模型的选择
6.2 基于GAS框架下的期现货投资组合套期保值优化的实证研究
6.2.1 数据的选取与预处理
6.2.2 样本数据的描述性统计
6.2.3 样本数据的基本检验结果
6.3 基于GAS框架的期现货投资组合套期保值比率的估计结果分析
6.3.1 各模型的估计结果
6.3.2 动态最优套期保值比率估计结果比较
6.4 GAS框架下的期现货投资组合最优套期保值比率的比较与选择
6.4.1 套期保值效果的评价方式
6.4.2 各模型的套期保值效果结果比较
6.5 本章小结
第7 章 结论、建议与研究展望
7.1 主要结论
7.2 研究和投资实践建议
7.3 研究展望
参考文献
攻读博士学位期间学术研究成果
致谢
本文编号：3738461
【文章页数】：216 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第1章 导论
1.1 研究背景
1.2 研究意义
1.3 研究的主要内容与技术路线
1.3.1 研究内容
1.3.2 技术路线
1.4 研究的主要创新和不足
1.4.1 理论方法的创新
1.4.2 实证方法的创新
1.4.3 可能存在的不足
第2章 GAS理论框架发展及投资组合理论基础与文献综述
2.1 GAS理论框架研究和应用
2.1.1 观察值驱动模型与参数驱动模型
2.1.2 广义回归得分模型框架的提出与应用
2.2 投资组合风险测度研究
2.2.1 风险测度理论方法的选择与组合测度研究
2.2.2 基于高频数据的投资组合的风险测度问题
2.3 投资组合优化研究
2.3.1 投资组合理论的提出
2.3.2 经典投资组合理论下投资组合优化的研究分支
2.3.3 期现货投资组合套期保值优化问题
2.4 研究述评
第3章 GAS理论框架及其在金融时间序列的风险测度的应用
3.1 GAS理论框架
3.1.1 GAS框架模型的基本设定
3.1.2 GAS框架模型的估计
3.1.3 GAS框架模型的再参数化
3.1.4 模型的辨识问题
3.2 基于GAS框架的GARCH模型改进
3.2.1 GAS-GARCH-sst模型的构建
3.2.2 基于GAS框架的GAS-GARCH-sst风险测度模型的构建
3.3 基于GAS框架的金融资产风险测度与预测
3.3.1 数据的选择
3.3.2 描述性统计
3.3.3 数据的检验
3.3.4 模型的估计结果与受极端观察值影响对比
3.3.5 金融时间序列的VaR预测
3.3.6 金融时间序列的VaR预测效果对比
3.4 附录:GAS-GARCH-sst模型的估计结果
3.5 本章小结
第4章 基于R-Vine-Copula-GAS的投资组合测度与优化
4.1 Vine Copula理论
4.1.1 Copula函数的定义
4.1.2 Pair Copula的构建与R Vine
4.1.3 Vine-Copula的数组表示方式
4.1.4 R-Vine Copula密度的估计
4.1.5 R-Vine分布的选择
4.2 基于GAS框架的投资组合风险测度分析
4.2.1 样本数据的选择与预处理
4.2.2 MST-PRIM算法下的R-Vine结构
4.2.3 R-Vine Copula的参数估计结果
4.2.4 单一资产的边缘分布估计
4.2.5 GAS-R-Vine-Copula模型的仿真模拟与风险预测方法设定
4.2.6 基于GAS框架下的投资组合VaR比较分析
4.3 GAS框架下的R-Vine-Copula多维资产组合优化模型
4.3.1 Markowitz的投资组合理论
4.3.2 Mean-VaR投资组合
4.3.3 Mean-CVaR的投资组合
4.3.4 最小VaR投资组合和最小CVaR投资组合的有效前沿
4.3.5 GAS框架下的投资组合优化效果比较
4.4 本章小结
第5章 基于GAS框架的高频多元资产波动率模型的设计与应用
5.1 Wishart-GARCH模型
5.1.1 模型的假设
5.1.2 GAS框架下的模型优化
5.1.3 模型的估计
5.2 基于GAS-Wishart-Realized-GARCH模型的高频多元资产波动率的实证研究设计
5.2.1 数据的选取与高频数据清洗
5.2.2 基于刷新时间抽样的样本调整
5.3 基于GAS-Wishart-Realized-GARCH模型的高频多元资产波动率的估计结果分析
5.3.1 基于子抽样的降噪方法
5.3.2 GAS-Wishart-Realized-GARCH模型的估计结果分析
5.4 基于GAS-Wishart-Realized-GARCH模型的高频多元资产波动率预测能力比较分析
5.4.1 基于样本外数据的降噪技术的完善
5.4.2 评价预测效果的损失函数
5.4.3 样本外GAS-Wishart-Realized-GARCH模型的估计结果
5.4.4 GAS-Wishart-Realized-GARCH模型和EWMA模型预测效果比较
5.5 本章小结
第6 章 基于GAS框架的期现货投资组合的套期保值优化
6.1 期现货套期保值的理论基础和模型设计
6.1.1 套期保值理论
6.1.2 基于GAS框架的极值Copula函数模型
6.1.3 最优套期保值比率比较模型的选择
6.2 基于GAS框架下的期现货投资组合套期保值优化的实证研究
6.2.1 数据的选取与预处理
6.2.2 样本数据的描述性统计
6.2.3 样本数据的基本检验结果
6.3 基于GAS框架的期现货投资组合套期保值比率的估计结果分析
6.3.1 各模型的估计结果
6.3.2 动态最优套期保值比率估计结果比较
6.4 GAS框架下的期现货投资组合最优套期保值比率的比较与选择
6.4.1 套期保值效果的评价方式
6.4.2 各模型的套期保值效果结果比较
6.5 本章小结
第7 章 结论、建议与研究展望
7.1 主要结论
7.2 研究和投资实践建议
7.3 研究展望
参考文献
攻读博士学位期间学术研究成果
致谢
本文编号：3738461
本文链接：https://www.wllwen.com/jingjilunwen/hongguanjingjilunwen/3738461.html
