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

1、在許多金融計量問題中，例如衍生產(chǎn)品定價、風險管理、套期保值和最優(yōu)投資組合選擇等，模擬和預測二階矩的相關(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行研究，第二類是利用多維隨機過程進行研究，第三類是利用Copula理論研究隨機變量之間的相關(guān)程度。本文主要從多維時間序列的角度對相關(guān)性分析進行理論方法的研究和實證分析。 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)展歷程以及估計方法和診斷檢驗，并對各種模型的優(yōu)缺點和適用性進行了比較評述。論文的第三章和第四章運用各種多維時間序列進行預測分析和風險分析，實證結(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、風險管理提供理論性的指導。 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，并進行理論研究和實證分析。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)量過多困擾著估計時的最優(yōu)化問題，即使隨著模型的逐漸改善，參數(shù)估計仍然十分困難，因此許多文獻都停留在二維或三維GARCH模型的估計，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)矩陣的估計問題轉(zhuǎn)化為

4、二維相關(guān)矩陣的估計，并且允許二維相關(guān)矩陣的估計采用各種靈活的二維GARCH模型或其他新的方法進行分別估計，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