基于贝叶斯Expectile模型的股指期货风险研究
发布时间：2021-07-20 09:24
股指期货作为重要的金融衍生工具,在完善市场调节、实现套期保值以及提供风险规避手段等方面发挥着积极作用。然而与其他金融衍生品不同,股指期货交易具有高杠杆、价格敏感性等特征,同时由于缺乏有效的市场监管手段,使得股指期货市场蕴含着巨大风险,特别是当金融市场出现整体性下跌时,期货市场跌幅往往更大。在此背景下,如何科学准确地量化及预测股指期货市场风险是整个市场运营过程中的核心问题。论文以沪深300股指期货合约为研究对象,选取更能反映市场波动信息的极差价格收益率数据,运用有效的实证模型—贝叶斯条件自回归Expectile模型分析沪深300股指期货市场波动的动力学特征。通过与其他风险模型的预测行为做对比,旨在探索符合我国股指期货市场风险度量的最优模型。根据上述研究思路,本文首先明确界定了股指期货市场极差风险的定义、风险指标的选取以及市场风险度量的一般方法,同时介绍了基于Expectile的风险建模过程,提出引入尺度参数因子的非对称逆高斯（AIG）分布作为贝叶斯Expectile模型的连接函数。其次,发展了贝叶斯条件自回归Expectile模型用于量化和预测沪深300股指期货市场风险。针对贝叶斯模型参...
【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
本文技术路线图
2( | , ) 2 + exp[ ( ) | ( ) |]| -1|f x u x u I x u （其中u为位置参数， 为形状参数，反映分布的倾斜程度。但本文采用贝xpectile 方法度量沪深 300 股指期货极差风险，可能存在极端风险情形。因此以上布形式的方差范围有限，本文考虑引入规模参数 ，可以更灵活地构建 Expectile分析框架，改进后的形式如下：-1222 ( )( | , , ) + exp | ( ) || -1|x uf x u I x u （3不难发现，AIG 分布的核函数本质上是正态分布的有偏类型，是 ALS 损失函负指数分布形式。图 3.1 展示了 AIG 分布部分参数下的密度函数，不难发现， 是分布函数的有偏程度，其值越小，函数越表现出明显的右偏特征，当 =0.5时，布退化成正态分布； 代表了函数的峰度系数，当 越小，AIG 分布就表现出越高峰特征。我们将含有三个参数的函数形式记为 AIG( , u, )。在本文第四章实证分，我们证明引入规模参数后 Expectile 先验分布的方差规模更灵活。
3.4.2 自适应 MCMC 抽样算法由于模型参数 的后验分布（3.23）为非标准形式，不存在共轭分布。针对形，需要采用 MH 抽样算法抽取 MCMC 样本（Metropolis 等（1953）、Hastings（19为了提高参数抽样的收敛速度[56-57]，本文考虑采用 Chen 和 So（2006）提出的MCMC 算法进行抽样[58]。该抽样框架是将随机游走 Metropolis 抽样（RandomMetropolis，RWM）和独立核 MH 抽样（IndependentKernelMetropolis-Hasting，IK相结合进行混合抽样。具体而言，在 Burn-in 阶段，采用 RWM 算法进行抽样，本均值和方差协方差矩阵。将其作为 IKMH 抽样的参数。为了使马尔科夫链能够代到最优范围，同时为了提高抽样结果的稳健性，本文采用混合高斯分布作为 RWIKMH 算法的提议函数，其定义为：1 1x N (0, diag{ c }) + (1 ) N (0, diag (c ))（其中 的最优选择在(0.8,1)之间， 为某一很大的值，常常设定为 100，1c 是根据的要求自定义的。图 3.2 展示了正态分布 N(0,1)和 N(0,10)的混合分布，其中权重值为 0.95，与标准正态分布和自由度为 5 的 t 分布的函数密度图像。其中，后RWM 抽样本比较常用的提议函数。
【参考文献】：
期刊论文
[1]基于SV-POT-TDRM的沪深300股指期货尾部风险研究[J]. 秦学志,郭明,宋宇. 系统管理学报. 2017(05)
[2]基于CAViaR模型的沪深300股指期货隔夜风险研究[J]. 简志宏,曾裕峰,刘曦腾. 中国管理科学. 2016(09)
[3]国际碳市场风险价值度量的新方法——基于EVT-CAViaR模型[J]. 张晨,丁洋,汪文隽. 中国管理科学. 2015(11)
[4]基于ARCH-Expectile方法的VaR和ES尾部风险测量[J]. 谢尚宇,姚宏伟,周勇. 中国管理科学. 2014(09)
[5]沪深300股指期货的风险测度模型研究[J]. 王鹏,魏宇,王鸿. 数理统计与管理. 2014(04)
[6]基于ARFIMA-FIGARCH模型的利率市场风险度量[J]. 王宣承,陈艳. 统计与信息论坛. 2014(06)
[7]条件自回归expectile模型及其在基金业绩评价中的应用[J]. 苏辛,周勇. 中国管理科学. 2013(06)
[8]基于贝叶斯CAViaR模型的油价风险研究[J]. 陈磊,杜化宇,曾勇. 系统工程理论与实践. 2013(11)
[9]我国A股市场与美股、港股的互动关系研究:基于信息溢出视角[J]. 李红权,洪永淼,汪寿阳. 经济研究. 2011(08)
[10]基于GARCH-VaR模型的股指期货风险度量实证研究[J]. 杨翔,刘志伟. 中国证券期货. 2011(05)
硕士论文
[1]我国创业板市场风险的度量[D]. 李杨.西南财经大学 2016
[2]基于SWARCH-POT的沪深300股指期货市场风险研究[D]. 姚起.华南理工大学 2012
本文编号：3292560
【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
本文技术路线图
2( | , ) 2 + exp[ ( ) | ( ) |]| -1|f x u x u I x u （其中u为位置参数， 为形状参数，反映分布的倾斜程度。但本文采用贝xpectile 方法度量沪深 300 股指期货极差风险，可能存在极端风险情形。因此以上布形式的方差范围有限，本文考虑引入规模参数 ，可以更灵活地构建 Expectile分析框架，改进后的形式如下：-1222 ( )( | , , ) + exp | ( ) || -1|x uf x u I x u （3不难发现，AIG 分布的核函数本质上是正态分布的有偏类型，是 ALS 损失函负指数分布形式。图 3.1 展示了 AIG 分布部分参数下的密度函数，不难发现， 是分布函数的有偏程度，其值越小，函数越表现出明显的右偏特征，当 =0.5时，布退化成正态分布； 代表了函数的峰度系数，当 越小，AIG 分布就表现出越高峰特征。我们将含有三个参数的函数形式记为 AIG( , u, )。在本文第四章实证分，我们证明引入规模参数后 Expectile 先验分布的方差规模更灵活。
3.4.2 自适应 MCMC 抽样算法由于模型参数 的后验分布（3.23）为非标准形式，不存在共轭分布。针对形，需要采用 MH 抽样算法抽取 MCMC 样本（Metropolis 等（1953）、Hastings（19为了提高参数抽样的收敛速度[56-57]，本文考虑采用 Chen 和 So（2006）提出的MCMC 算法进行抽样[58]。该抽样框架是将随机游走 Metropolis 抽样（RandomMetropolis，RWM）和独立核 MH 抽样（IndependentKernelMetropolis-Hasting，IK相结合进行混合抽样。具体而言，在 Burn-in 阶段，采用 RWM 算法进行抽样，本均值和方差协方差矩阵。将其作为 IKMH 抽样的参数。为了使马尔科夫链能够代到最优范围，同时为了提高抽样结果的稳健性，本文采用混合高斯分布作为 RWIKMH 算法的提议函数，其定义为：1 1x N (0, diag{ c }) + (1 ) N (0, diag (c ))（其中 的最优选择在(0.8,1)之间， 为某一很大的值，常常设定为 100，1c 是根据的要求自定义的。图 3.2 展示了正态分布 N(0,1)和 N(0,10)的混合分布，其中权重值为 0.95，与标准正态分布和自由度为 5 的 t 分布的函数密度图像。其中，后RWM 抽样本比较常用的提议函数。
【参考文献】：
期刊论文
[1]基于SV-POT-TDRM的沪深300股指期货尾部风险研究[J]. 秦学志,郭明,宋宇. 系统管理学报. 2017(05)
[2]基于CAViaR模型的沪深300股指期货隔夜风险研究[J]. 简志宏,曾裕峰,刘曦腾. 中国管理科学. 2016(09)
[3]国际碳市场风险价值度量的新方法——基于EVT-CAViaR模型[J]. 张晨,丁洋,汪文隽. 中国管理科学. 2015(11)
[4]基于ARCH-Expectile方法的VaR和ES尾部风险测量[J]. 谢尚宇,姚宏伟,周勇. 中国管理科学. 2014(09)
[5]沪深300股指期货的风险测度模型研究[J]. 王鹏,魏宇,王鸿. 数理统计与管理. 2014(04)
[6]基于ARFIMA-FIGARCH模型的利率市场风险度量[J]. 王宣承,陈艳. 统计与信息论坛. 2014(06)
[7]条件自回归expectile模型及其在基金业绩评价中的应用[J]. 苏辛,周勇. 中国管理科学. 2013(06)
[8]基于贝叶斯CAViaR模型的油价风险研究[J]. 陈磊,杜化宇,曾勇. 系统工程理论与实践. 2013(11)
[9]我国A股市场与美股、港股的互动关系研究:基于信息溢出视角[J]. 李红权,洪永淼,汪寿阳. 经济研究. 2011(08)
[10]基于GARCH-VaR模型的股指期货风险度量实证研究[J]. 杨翔,刘志伟. 中国证券期货. 2011(05)
硕士论文
[1]我国创业板市场风险的度量[D]. 李杨.西南财经大学 2016
[2]基于SWARCH-POT的沪深300股指期货市场风险研究[D]. 姚起.华南理工大学 2012
本文编号：3292560
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/3292560.html
