金融資產(chǎn)動態(tài)相關(guān)性方法及應(yīng)用研究.pdf

1、在許多金融計(jì)量問題中，例如衍生產(chǎn)品定價、風(fēng)險(xiǎn)管理、套期保值和最優(yōu)投資組合選擇等，模擬和預(yù)測二階矩的相關(guān)性和各個市場收益之間波動性的動態(tài)相關(guān)關(guān)系有很重要的意義。目前研究動態(tài)相關(guān)關(guān)系的角度有三類，第一類是利用多維時間序列的角度進(jìn)行研究，第二類是利用多維隨機(jī)過程進(jìn)行研究，第三類是利用Copula理論研究隨機(jī)變量之間的相關(guān)程度。本文主要從多維時間序列的角度對相關(guān)性分析進(jìn)行理論方法的研究和實(shí)證分析。 論文第一章對本文的選題意義、方法的創(chuàng)新

2、和缺陷進(jìn)行了總結(jié)。論文的第二章回顧了多維時間序列相關(guān)性模型的發(fā)展歷程以及估計(jì)方法和診斷檢驗(yàn)，并對各種模型的優(yōu)缺點(diǎn)和適用性進(jìn)行了比較評述。論文的第三章和第四章運(yùn)用各種多維時間序列進(jìn)行預(yù)測分析和風(fēng)險(xiǎn)分析，實(shí)證結(jié)果表明，同其他模型相比，用ADCC模型擬合中國股指收益率的方差協(xié)方差矩陣效果較好，這個結(jié)果可以為資產(chǎn)配置決策、風(fēng)險(xiǎn)管理提供理論性的指導(dǎo)。 論文的第五章提出了一種處理高維金融時間序列的新方法-基于Cholcsky分解方法的SCC

3、(序列條件相關(guān))方法，并進(jìn)行理論研究和實(shí)證分析。近年來出現(xiàn)了大量多維GARCH模型來模擬資產(chǎn)組合的波動性及相關(guān)性，但是在估計(jì)多維GARCH模型中仍存在著不盡如人意的地方，資產(chǎn)數(shù)量過多困擾著估計(jì)時的最優(yōu)化問題，即使隨著模型的逐漸改善，參數(shù)估計(jì)仍然十分困難，因此許多文獻(xiàn)都停留在二維或三維GARCH模型的估計(jì)，很難推廣到高維GARCH模型。本文提出了一種處理高維相關(guān)矩陣的估計(jì)方法-SCC方法，此方法非常靈活，可以把高維相關(guān)矩陣的估計(jì)問題轉(zhuǎn)化為

4、二維相關(guān)矩陣的估計(jì)，并且允許二維相關(guān)矩陣的估計(jì)采用各種靈活的二維GARCH模型或其他新的方法進(jìn)行分別估計(jì)，然后再組合為一個高維相關(guān)矩陣。這種新方法未來的發(fā)展不僅僅局限于和二維GARCH模型相結(jié)合，它也可以與任何描述二維動態(tài)相關(guān)性的最新理論，譬如動態(tài)的Copula理論相結(jié)合，從而更好地解決高維動態(tài)相關(guān)性的問題，是一種理論的突破。 論文的最后一章對全文進(jìn)行了總結(jié)，并提出了今后所做的工作，和未來關(guān)于動態(tài)相關(guān)性發(fā)展的方向。 總之