金融时间序列VaR模型研究与Web可视化系统构建

发布时间：2017-09-11 08:34

  本文关键词：金融时间序列VaR模型研究与Web可视化系统构建

  更多相关文章： 金融时间序列 VaR 统计检验 马尔科夫蒙特卡洛 广义自回归条件异方差 投资组合 q-高斯分布 Copula理论 极值理论 帕累托分布 R语言 Web数据可视化

【摘要】：随着金融衍生品不断丰富，加上最近出现的互联网金融，都使得个人和企业面临更多投资理财的选择。风险和收益总是相伴相生，相互制约，因此在有限资金情况下，如何以最小的风险取得最大的收益，是长期摆在学术界、金融界和投资者面前的问题，这也是投资组合理论（Portfolio Theory）产生的背景和研究内容。金融时间序列分析（Analysis of Financial Time Series）是一门新兴的涉及数理统计、经济金融与计算机科学的交叉学科，因此考虑通过研究金融时间序列特征和风险模型，来改进投资组合模型。 首先，介绍了本课题的研究背景和意义，对国内外相关文献和研究技术做了综述。结合广义自回归条件异方差（Generalized Autoregressive Conditional Heteroskedasticity，GARCH）模型和马尔科夫蒙特卡洛（Markov Chain Monte Carlo，MCMC）方法，提出了一个改进的VaR（Value at Risk，VaR）计算方法，并结合沪深300指数对改算法进行了实证比较分析。 接着，针对股票收益率数据分布尖峰后尾的特性，从线性微分方程中推导出双参数q-高斯分布概率密度函数，研究了其图形特征和参数估计方法，将其应用在经典的投资组合模型中，结合真实股票数据实证研究，结果表明基于q-高斯分布的投资组合模型可以取得更大收益。 然后，针对资产收益率序列间的相依关系和尖峰后尾特性，把Copula理论、极值理论、q-高斯分布投资组合模型集成起来，提出了一个集成算法框架，用以衡量资产组合风险和收益，，通过选取近年来和中国经济关系密切的数个经济体的指数数据进行了实证研究分析，结果表明该集成算法框架可以有效降低投资风险并最大化收益。 最后，基于R语言出众的统计分析功能和金融互联网的特点，结合RShiny、FastRWeb和ECharts等Web数据可视化技术，构建了基于Web的金融数据可视化系统。
【关键词】：金融时间序列 VaR 统计检验 马尔科夫蒙特卡洛 广义自回归条件异方差 投资组合 q-高斯分布 Copula理论 极值理论 帕累托分布 R语言 Web数据可视化
【学位授予单位】：华东交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.09;F832.51;F224
【目录】：

• 摘要3-4
• ABSTRACT4-6
• 目录6-8
• 主要符号说明8-9
• 第一章 绪论9-15
• 1.1 研究背景及意义9-10
• 1.2 国内外文献综述10-14
• 1.2.1 GARCH 模型族国内外研究状况10-11
• 1.2.2 VaR 国内外研究状况11-12
• 1.2.3 投资组合模型国内外研究状况12-13
• 1.2.4 基于 R 语言 Web 数据可视化国内外研究状况13-14
• 1.3 本文工作14-15
• 第二章 金融时间序列 VaR 建模方法与实证分析15-27
• 2.1 金融时间序列特征15-16
• 2.2 VaR 建模相关算法16-20
• 2.2.1 资产收益率16-17
• 2.2.2 在险价值 VaR17-18
• 2.2.3 马尔科夫蒙特卡洛方法18-19
• 2.2.4 GARCH 模型19-20
• 2.3 实证分析20-26
• 2.3.1 实验数据及其特征检验20-23
• 2.3.2 实验与分析23-26
• 2.4 本章小结26-27
• 第三章 基于 q-高斯分布的投资组合模型27-37
• 3.1 q-高斯分布27-32
• 3.1.1 q-高斯分布的推导27-29
• 3.1.2 q-高斯分布的参数特征与参数估计29-32
• 3.2 投资组合模型及其改进32-33
• 3.3 实证分析33-36
• 3.4 本章小结36-37
• 第四章 基于 Copula 函数的投资组合风险预测37-50
• 4.1 Copula 理论37-42
• 4.1.1 Copula 原理和性质37-38
• 4.1.2 Copula 类型38-40
• 4.1.3 参数估计方法及拟合优度检验40-42
• 4.2 极值理论和帕累托分布42-43
• 4.3 模型构建43-45
• 4.4 实证分析45-49
• 4.4.1 实验数据45-46
• 4.4.2 实验过程46-49
• 4.5 本章小结49-50
• 第五章 基于 Web 的金融数据可视化系统构建50-58
• 5.1 Shiny 开发交互式 Web 应用50-53
• 5.2 FastRWeb 开发基于 R 的 Web 应用53-54
• 5.3 ECharts 的数据可视化54-55
• 5.4 基于 Web 的金融数据可视化系统构建55-57
• 5.4.1 金融数据的可视化55-57
• 5.4.2 基于 Web 的金融数据可视化系统构建57
• 5.5 本章小结57-58
• 第六章 总结58-60
• 6.1 主要工作回顾58
• 6.2 本课题今后需进一步研究的地方58-60
• 参考文献60-65
• 附录A 部分相关程序代码65-67
• 个人简历 在读期间发表的学术论文67-68
• 致谢68

【参考文献】

中国期刊全文数据库 前6条

1 田玲;罗添元;王正文;;基于Copula函数的保险公司经济资本配置研究[J];保险研究;2011年06期

2 王良;杨乃定;姜继娇;;机会约束下基于混合整数规划的均值-VaR证券投资基金投资组合选择模型[J];系统工程;2007年01期

3 印凡成;陈瑞冰;黄健元;;基于均值-VaR-熵的证券投资组合应用研究[J];重庆理工大学学报(自然科学);2013年03期

4 李贺;张玉林;;基于行业板块的投资组合方法研究[J];电子科技大学学报(社科版);2013年03期

5 周晖;方江晓;黄梅;;风电功率GARCH预测模型的应用研究[J];电力系统保护与控制;2011年05期

6 尤华;李恩娟;;股权结构与股权代理成本关系的实证研究——基于2011年创业板上市公司的数据研究[J];技术经济与管理研究;2014年01期

中国博士学位论文全文数据库 前1条

1 韩哲;中国区域金融业发展非均衡性研究[D];吉林大学;2014年

中国硕士学位论文全文数据库 前1条

1 刘一鸣;金融时间序列预测模型研究[D];兰州大学;2014年

本文编号：829700