基于小波分析的金融时间序列风险度量值估计方法与实证研究

发布时间：2017-06-07 02:00

  本文关键词：基于小波分析的金融时间序列风险度量值估计方法与实证研究，由笔耕文化传播整理发布。

【摘要】：近年来,经济全球化、金融一体化进程加速推进,现代金融理论、金融产品不断创新,全球经济得到空前的发展。但是在一片繁荣的背后,全球经济却面临着日趋严重的金融风险。特别是在经历几次全球性的金融危机之后,越来越多的人意识到对金融风险的有效度量会直接关系到全球金融市场的健康发展。因此,开展金融时间序列风险测度与控制的研究,对金融监管的实施、金融系统安全的维护具有十分重要的现实意义。本文首先介绍金融风险度量值VaR的主流计算方法和存在的问题,并重点阐述金融时间序列模型理论和小波分析理论。然后通过选取上证指数2014年1月2日到2015年12月31日的收盘价数据,对该金融时间序列建模,给出其风险度量的估计方法,同时进行实证研究。具体来说,对上证指数收盘价数据引入时间序列分析中的GARCH模型,分别在噪声满足标准正态分布及t分布的条件下进行拟合分析,以优化计算VaR常用的方差—协方差法。结果表明,与GARCH(1,1)模型相比,GARCH—t(1,1)对风险度量的失败频率明显减小。在此基础上,重点引入小波分析的方法对该金融时间序列进行消噪,并再次运用GARCH—t(1,1)模型对数据进行拟合并计算VaR值,计算结果显示预测精度明显提高。本文还利用小波分析方法对上证指数进行奇异性检测,结果显示2015年中旬期间上证指数信号发生突变并剧烈波动,这符合当时股市暴跌的背景,可见小波分析在金融时间序列风险度量的研究上具有重要的应用价值。
【关键词】：VaR GARCH模型 小波分析 消噪 奇异性
【学位授予单位】：暨南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;F832.51
【目录】：

• 摘要3-4
• ABSTRACT4-7
• 一、绪论7-13
• 1.1 研究背景及意义7-8
• 1.2 国内外研究现状8-11
• 1.3 本文主要研究内容11-13
• 二、金融风险度量的Va R方法13-18
• 2.1 金融风险管理13-14
• 2.2 基本理论概述14-16
• 2.3 计算Va R的三种主流方法16-18
• 三、金融时间序列模型18-29
• 3.1 时间序列的一般模型20-24
• 3.2 GARCH模型24-29
• 四、小波分析基本理论29-42
• 4.1 Fourier分析理论简介30-32
• 4.2 连续小波变换和离散小波变换32-35
• 4.3 多分辨分析理论35-36
• 4.4 常用小波函数介绍36-40
• 4.5 信号的消噪与奇异性检测40-42
• 五、上证指数风险度量的实证研究42-55
• 5.1 Va R计算方法的改进42-48
• 5.2 小波分析的应用48-55
• 六、结论与展望55-57
• 6.1 结论55-56
• 6.2 展望56-57
• 参考文献57-59
• 附录59-74
• 致谢74

【相似文献】

中国期刊全文数据库 前10条

1 王琼,刘国祥;金融时间序列的趋势路径的提取[J];南京师大学报(自然科学版);2002年02期

2 李晓玲,卢九江;高频金融时间序列统计特征[J];统计与决策;2004年12期

3 陈兴荣,向东进,阮曙芬;非线性金融时间序列的持久性测度[J];特区经济;2005年10期

4 江孝感;王利;朱涛;;向量金融时间序列协整与协同持续关系——基于理论的思考[J];管理工程学报;2008年01期

5 张学功;;金融时间序列中加性异常值的鉴别与校正[J];价值工程;2009年02期

6 张洪哲;;小波变换在金融时间序列中的应用[J];生产力研究;2010年12期

7 张洪水;程刚;陆凤彬;;高频金融时间序列的模型化研究进展回顾[J];数学的实践与认识;2011年03期

8 白e，

本文编号：427916