基于GARCH模型的上证指数的VaR分析

本文介绍了VaR方法和GAKCH模型,并利用此模型对沪市1998年至2005年的上证指数进行实证分析,结果表明,金融时间序列数据中普遍存在的尖峰厚尾性在沪市指数中同样存在,还有明显的异方差性,并且GAKCH模型可以很好的预测VaR值。     

基于VAR—GARCH模型的动态期货保证金设计

本文在GAKCH模型思想的基础上，运用VaR风险管理的方法，建立以VaR-GARCH为基础的期货动态保证金设定模型，并应用该模型对大连商品交易所的大豆期货合约的保证金水平进行了研究，实证结果认为VaR-GAKCH模型较现行的静态保证金系统更有效，对我国保证金制度的完善提供一定帮助。     

上证指数的时间序列分析及其预测

本文根据中国1991年-2009年上证指数的历史数据,建立了三个对上证指数未来走势进行预测的模型,并对预测结果进行了分析,依据分析结果对模型进行了评价。     

基于GARCH模型的上证指数的VAR研究分析

风险管理、风险预测是金融市场最为热门的话题,而风险价值法是最受关注的风险管理方法。针对股票市场波动服从正态分布常规假设的不足和缺陷。选用能很好模拟股市尖峰厚尾特性的GARCH族模型,估计风险价值的主要参数;并选用蒙特卡罗模拟方法计算风险值,以具有股票市场综合特征的上证指数为样本数据进行实证研究,结果显示：该改进提高了蒙特卡罗模拟方法模拟结果的精确程度,使其预测结果更符和实际状况。     

自回归条件异方差（ARCH）模型及应用

自回归条件异方差过程是一种新的随机过程,被用于研究时间序列。它展示了随机变量的一种关系：序列方差随时间变化而变化。本文给出估计方法、模型的检验以及一个实证例子。     

基于pair copula-GARCH模型的多资产组合VaR分析

提出了多资产组合风险分析的pair copula-GARCH 模型.相比于以往的copula-GARCH模型,它能够更好描述投资组合中两两资产间的尾部相关性的差异,从而更好地度量多资产组合间的相依结构.在此基础上,还探讨了pair copula-GARCH 模型下的多资产线性组合的VaR的计算方法.最后给出模型的实证分析.     

基于VAR-GARCH模型的动态期货保证金设计

本文在GARCH模型思想的基础上,运用VaR风险管理的方法,建立以VaR-GARCH为基础的期货动态保证金设定模型,并应用该模型对大连商品交易所的大豆期货合约的保证金水平进行了研究,实证结果认为VaR-GARCH模型较现行的静态保证金系统更有效,对我国保证金制度的完善提供一定帮助.     

GARCH模型和SV模型对中国股市波动性的分析比较—以上证指数为例

采用SV模型和GARcH模型对上海股市波动性进行了度量,通过对两种不同模型进行返回检验,可看出SV模型能更好地刻画上证指数的尖峰厚尾特征,从而也能更准确地预测股市的波动性。     

基于多元GARCH—VaR的期货组合保证金模型及其应用研究

提出了确定保证金的非线性风险对冲原理、整体风险覆盖原理和动态预测原理,借助多元GARCH(1,1)模型所预测出的多种期货组合的协方差矩阵,计算该期货组合的波动值,并结合风险价值(Value-at-Risk,VaR)思想,建立基于多元GARCH-VaR的多种期货合约组合市场风险评价模型,并利用该模型计算大连商品交易所多种期货合约组合的保证金.本模型的特点一是通过保证金确定的非线性风险对冲原理,利用多元GARCH(1,1)模型在预测风险时对风险进行非线性对冲,解决了SPAN和TIMS系统对组合风险的直接线性相加减,导致预测值不精确问题.二是通过整体风险覆盖原理应用VaR模型计算整体市场风险,应用VaR模型计算任意期货合约组合的整体市场风险,满足了市场监管对整体风险覆盖的需要.三是通过动态预测原理,利用多元GARCH(1,1)模型对期货组合的风险进行预测,准确反映了期货价格时间序列具有波动聚集效应和时变方差效应,保证了预测的准确性.实证结果表明,本模型在保证较高风险防范能力的基础上可降低保证金的收取水平,为期货交易市场价格波动程度的衡量及浮动式保证金的确定方法提供了新的思路.     

基于多尺度分析理论的中国股票市场波动的实证研究

运用多尺度分析理论研究中国股票市场的波动,借助MATLAB 7.3软件的小波分析工具箱（wavelet toolbox）和广义自回归条件异方差模型工具箱（GARCH toolbox）,对上证综合指数收益率序列进行时域分析和多尺度分析,结果表明多尺度分析更能捕捉到中国股市的波动特点,明显提高GARCH模型的仿真预测精度。     

VaR约束下的均值方差及其应用

VaR是目前国际风险管理的主流方法之一,文章将VaR应用到马科维茨的均值-方差模型中,构建了均值-方差的优化模型,并分析了该模型的特征,给出了一种几何求解的方法。     

月份效应:运用不同计量模型得出相反实证结果

本文运用传统的标准计量模型与2003年诺贝尔经济学奖获得者恩格尔(Robert Engle)提出的自回归条件异方差性模型(ARCH模型)的改进模型(TARCH模型)，对中国股票市场月份效应进行比较研究。检验结果显示：运用传统的计量模型分析得出的结果与使用TARCH模型所得结论相反。研究结果非常依赖研究时所使用的方法。     

基于GARCH模型的我国金价波动性研究

通过构建GARCH(1,1)模型,TARCH模型以及ARCH-M模型分别描述黄金现货价格收益序列的波动性特征。从2002年至今,我国黄金价格日收益率表现出显著的条件异方差性和非正态性,具有明显的波动积聚特征。同时,GARCH-M估计结果表明,黄金现货市场的收益与风险呈正相关,预期收益包含一定的风险溢价。     

GARCH模型中美式亚式期权的数值解法

本文提出一个在GARCH模型框架下求解美式亚式期权的数值方法。这个方法利用二项式近似有效地解决了因GARCH模型和亚式期权固有的复杂性而带来的计算上困难，并举例检验了该方法的准确性。     

利用回归—GARCH模型对我国沪深股市的分析

本文利用回归－ＧＡＲＣＨ模型对上证指数和深证指数波动之间的关系,两市的总体有效性及各自的成交额与股价走势的相关程度进行了初步分析。     

初探我国沪市股价波动性 ——基于ARCH模型和GARCH模型

金融市场的波动一直是经济研究人员和投资者关注的焦点。在计量经济学领域,自回归条件异方差模型(ARCH模型)和广义自回归条件异方差模型(GARCH模型)经常用在金融时间序列分析中。特别是GARCH(1,1)模型在金融资产的波动性研究中得到广泛的应用。以沪市综合指数为研究对象,分别运用ARCH模型、GARCH模型进行初步研究,分析我国沪市股价波动的动态特征。     

VaR模型在我国金融业的应用前景

VaR模型在我国金融市场的风险管理上有着广泛的应用前景。在股票市场、证券市场、基金市场上都有着广泛的应用,介绍了VaR的应用前景。     

一类金融风险度量模型的探讨

针对当前全球面临的金融危机,本文较系统地研究了常用的两类度量金融风险的模型,比较了两者之间的差异,它们均可拟合同类的金融时间序列,但生成机理、应用效果不同.     

遗传门限GARCH模型及其应用研究

在金融时间序列中,GARCH模型能够较好地描叙其异方差性,而门限自回归(TAR)模型能准确地刻画序列的非线性规律。结合两者优点建立了门限GARCH模型,并利用遗传算法,选用2003年1月2日到2011年1月10日共1 945个上市日上证综合指数进行了实证分析。由实证分析结果中与GARCH模型比较发现,门限GARCH模型拟合及预测精度在处理数据上有优势,更适合描叙非线性规律;而且,由于随机性的存在,使得所建模的模型不一,丰富多变,便于决策者从中选取合适的模型进行时序分析和金融解释。     

基于连续VaR的金融风险管理

传统VaR方法着眼于计算既定置信水平下在持有期末这一时刻的风险,忽略了持有期内资产组合价值发生剧烈变化所带来的风险。而投资者所面临的风险贯穿整个持有期间,不仅仅在持有期末这一时刻,并且与资产组合价值变化的路径高度相关。介绍了传统VaR及连续VaR的计算方法,并比较了两者的区别。最后,引入时间序列分析方法(ARCH-M模型)进行实证研究,说明它们之间的差异:在连续VaR方法下计算出的风险比投资者通常所预期的要大得多。