基于非正態(tài)分布的動態(tài)金融波動性模型研究.pdf

1、風險管理的基礎和核心是對風險的定量分析和評估。在風險資產(chǎn)的收益率服從正態(tài)分布的條件下，方差是最好的風險度量，而大量研究已經(jīng)表明金融資產(chǎn)收益率是非正態(tài)的，是“厚尾”和“有偏”的。因此本文在非正態(tài)分布條件下討論金融波動性建模研究。具體從以下幾個方面進行了分析探討：
　　 1、金融收益序列非正態(tài)分布檢驗及理論解釋。市場價格異常波動的原因，可以分為主觀和客觀兩個方面，客觀方面的原因來自市場本身，主要是制度因素；主觀方面的原因來自投資者，

2、主要是投資者的心理因素。因此，本章將首先介紹收益率非正態(tài)分布特征的檢驗方法，然后分別從市場微觀結(jié)構(gòu)理論角度和行為金融學角度討論收益率分布尖峰厚尾特征以及偏度特征的形成原因，給出收益非正態(tài)分布的理論解釋。
　　 2、金融收益“厚尾”分布動態(tài)擬合(Ⅰ)——基于廣義極值分布的自回歸條件密度模型研究。在考慮當前預期和波動性條件下，為了有效地捕獲極端條件下收益率時間序列動態(tài)特征，建立了基于高頻數(shù)據(jù)的波動性模型和條件極值VaR模型。應用智能

3、優(yōu)化算法對條件極值分布的時變參數(shù)進行估計，考察了在不同樣本容量分塊下的條件極值VaR，并對VaR計算結(jié)果的精度進行了Kupiec-LR檢驗和動態(tài)分位數(shù)檢驗。研究結(jié)果表明，基于高頻數(shù)據(jù)的條件極值分布較好的擬合了極端條件下的收益率特征，與McNeil提出的傳統(tǒng)條件極值VaR相比，應用高頻數(shù)據(jù)建立在條件廣義極值分布基礎上的條件極值VaR的Kupiec檢驗DQ檢驗值都較為理想，表明該模型能夠捕捉到我國市場風險特征，提高極端情況下風險測度能力。<

4、br>　　 3、金融收益“厚尾”分布動態(tài)擬合(Ⅱ)——基于廣義帕雷托自回歸條件L-矩模型。為了解決厚尾分布不擁有完整的中心矩集合而無法進行矩估計的問題，在金融領域引入近年來在水文領域發(fā)展較為迅速的L-矩理論。在考慮當前預期和波動性條件下，基于L-矩理論分別考察了廣義帕雷托分布對高頻收益超額數(shù)的靜態(tài)尾部擬合和動態(tài)尾部擬合，應用條件VaR以及Kupiec-LR檢驗對擬合的結(jié)果進行了檢驗。研究結(jié)果表明，L-矩理論可以很好的解決厚尾分布的矩估

5、計問題，根據(jù)VaR以及Kupiec-LR檢驗表明，基于L-矩的廣義帕雷托分布較好的擬合了極端條件下的收益率尾部，可以捕獲極端條件下收益率時間序列動態(tài)特征。
　　 4、金融收益“偏度”和“峰度”的動態(tài)擬合——條件偏度和峰度的波動性建模研究。為了有效地捕獲收益率時間序列高階矩動態(tài)特征，在考慮當前預期和波動性條件下，首先討論了一維的動態(tài)偏度和峰度建模研究。其次，為了考察多個市場或多個金融資產(chǎn)之間的高階矩風險度量問題，推導了高階中心矩和

6、協(xié)矩之間的關系，提出了能夠有效解決維數(shù)災禍問題的多維條件高階矩模型。在多維分布基礎上，采用動態(tài)條件相關性(DCC)和自回歸條件密度技術(shù)，通過智能優(yōu)化算法對條件高階矩模型的時變參數(shù)進行估計。實證研究結(jié)果表明，多維條件高階矩模型較好的擬合了收益率時間序列高階矩動態(tài)特征，與之前的高階矩模型相比，能夠有效解決高階矩模型的維數(shù)災禍問題，表明該模型能夠捕捉到我國多個市場之間高階矩風險特征，提高多維條件高階矩模型測度能力。在已實現(xiàn)協(xié)方差矩陣的基礎上，

7、利用高次變差推導了己實現(xiàn)高階矩模型。為了對未來的波動特性加以預測，在考慮已實現(xiàn)高階矩的特性下，建立了己實現(xiàn)高階矩FIVAR模型。
　　 5、不確定條件下考慮偏度和峰度的投資組合研究。通過分析傳統(tǒng)投資組合理論的不足，在有偏t分布基礎上討論條件高階矩投資組合，應用貝葉斯理論分析不確定條件下高階矩風險及其在投資組合理論中的應用問題。應用MCMC對有偏t分布進行了參數(shù)估計和投資組合權(quán)重的優(yōu)化。研究結(jié)果表明，考慮偏度和峰度會對投資組合策略