亚洲精品gv天堂无码男同,中文字幕无码日韩欧毛

內(nèi)容簡介

　　當(dāng)研究的資產(chǎn)維度較高、數(shù)據(jù)量較大時(shí)，協(xié)方差陣的估計(jì)將面臨維數(shù)詛咒、噪聲影響等諸多挑戰(zhàn)，如何有效地對(duì)其進(jìn)行估計(jì)成為統(tǒng)計(jì)領(lǐng)域中越來越重要的亟待解決的問題?！陡倪M(jìn)MGARCH模型的估計(jì)及其在投資組合中的應(yīng)用》在前人研究的基礎(chǔ)之上，對(duì)DCC、BEKK、CCC及goGARCH等MGARCH模型進(jìn)行了改進(jìn)，通過模擬和實(shí)證研究發(fā)現(xiàn)：改進(jìn)的MGARCH模型明顯提高了高維資產(chǎn)間協(xié)方差陣的估計(jì)效率，并且將其應(yīng)用在投資組合時(shí)可以獲得更高的收益。

作者簡介

暫缺《改進(jìn)MGARCH模型的估計(jì)及其在投資組合中的應(yīng)用》作者簡介

圖書目錄

目錄
前言
1 緒論 1
2 金融市場風(fēng)險(xiǎn)管理基本理論 4
2.1 金融資產(chǎn)收益率的定義 4
2.1.1 簡單的收益率 4
2.1.2 對(duì)數(shù)收益率 5
2.2 金融資產(chǎn)收益率常用的分布 5
2.2.1 正態(tài)分布 5
2.2.2 t分布 6
2.2.3 混合正態(tài)分布 7
2.2.4 極值分布 7
2.3 幾種典型的隨機(jī)過程 7
2.3.1 隨機(jī)過程的定義及其性質(zhì) 7
2.3.2 幾種典型隨機(jī)過程的定義 8
2.3.3 金融資產(chǎn)收益率的建模過程中較為常見的幾類隨機(jī)過程 9
2.4 常見的相關(guān)性估計(jì)模型及波動(dòng)性模型 10
2.4.1 證券市場的波動(dòng)性及相關(guān)性 10
2.4.2 移動(dòng)平均法 11
2.4.3 ARCH類模型 12
3 MGARCH模型的分類及存在的問題 17
3.1 模型概述 18
3.2 條件協(xié)方差陣的模型 19
3.3 因子模型 21
3.4 條件方差及其相關(guān)性模型 24
3.5 非參數(shù)方法和半?yún)?shù)方法 29
3.6 傳統(tǒng)的協(xié)方差陣估計(jì)方法所面臨的問題 31
4 投資組合理論 34
4.1 證券投資基本要素的度量 34
4.1.1 證券收益的度量 34
4.1.2 證券風(fēng)險(xiǎn)的度量 37
4.2 Markowitz投資組合理論 40
4.3 投資組合發(fā)展的相關(guān)理論 43
4.3.1 投資組合發(fā)展的相關(guān)理論 44
4.3.2 國內(nèi)相關(guān)研究發(fā)展現(xiàn)狀 49
5 高維數(shù)據(jù)背景下常見的降維方法 51
5.1 因子分析法 51
5.2 主成分分析法 52
5.3 門限法 54
5.4 收縮法 55
5.5 懲罰函數(shù) 57
5.5.1 嶺回歸 57
5.5.2 LASSO回歸 58
5.5.3 交叉驗(yàn)證 59
6 高維稀疏對(duì)角GARCH模型的估計(jì)及應(yīng)用 60
6.1 高維稀疏模型的發(fā)展 60
6.2 高維稀疏對(duì)角GARCH模型的提出 63
6.2.1 goGARCH模型 63
6.2.2 高維稀疏goGARCH模型的提出及估計(jì) 64
6.3 模擬研究 65
6.3.1 模擬數(shù)據(jù)的產(chǎn)生 65
6.3.2 goGARCH模型和HDS-goGARCH模型的比較 65
6.4 實(shí)證分析 66
6.4.1 樣本數(shù)據(jù)處理 66
6.4.2 預(yù)測(cè)的協(xié)方差陣在投資組合中的應(yīng)用研究 67
7 高維數(shù)據(jù)背景下條件相關(guān)MGARCH模型的估計(jì)及應(yīng)用 69
7.1 主成分正交補(bǔ)門限法 69
7.2 主成分正交補(bǔ)門限D(zhuǎn)CC模型 71
7.2.1 主成分正交補(bǔ)門限D(zhuǎn)CC模型的提出及估計(jì) 71
7.2.2 模擬研究 74
7.2.3 實(shí)證分析 80
7.3 改進(jìn)CCC-GARCH模型 85
7.3.1 主成分正交補(bǔ)門限CCC-GARCH模型的提出 85
7.3.2 模擬研究 87
7.3.3 PTCCC-GARCH模型和CCC-GARCH模型的比較 88
7.4 實(shí)證研究 90
7.4.1 樣本數(shù)據(jù)處理 90
7.4.2 預(yù)測(cè)的協(xié)方差陣在投資組合中的應(yīng)用研究 90
8 高頻數(shù)據(jù)影響的改進(jìn)BEKK模型的估計(jì)及應(yīng)用 93
8.1 金融高頻數(shù)據(jù)的研究現(xiàn)狀 93
8.1.1 高頻數(shù)據(jù)及其特征分析 93
8.1.2 金融高頻數(shù)據(jù)分析的主要?jiǎng)右?94
8.1.3 金融高頻數(shù)據(jù)的現(xiàn)狀研究 94
8.1.4 基于金融高頻數(shù)據(jù)已實(shí)現(xiàn)波動(dòng)的研究 100
8.1.5 基于金融高頻數(shù)據(jù)協(xié)方差陣的研究 107
8.1.6 我國研究金融高頻數(shù)據(jù)的必要性 108
8.2 常見的高頻協(xié)方差陣估計(jì)方法及其應(yīng)用 109
8.2.1 RCOV估計(jì)方法 109
8.2.2 基于市場微觀結(jié)構(gòu)噪聲的RCOV估計(jì)方法 112
8.2.3 考慮跳躍影響的高頻協(xié)方差陣估計(jì)方法 119
8.2.4 金融高頻協(xié)方差陣在投資組合中的應(yīng)用情況 125
8.3 高頻數(shù)據(jù)影響的BEKK模型的提出 127
8.3.1 實(shí)證研究 129
8.3.2 穩(wěn)健性分析 133
參考文獻(xiàn) 134