中国证券市场非线性特征地研究

《中国证券市场非线性特征地研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要题目：中国证券市场的非线性特征研究研究生姓名：秦伟良指导教师：达庆利教授学位授予单位：东南大学证券交易过程是一个以其价格为核心的收益与风险的度量与决策，任何决策都必须在权衡收益与风险之后才能做出，在对大量的金融数据的分析中，人们发现这些数据具有明显的非线性特征。证券市场非线性特征主要体现在以下几个方面：(1)收益率数据分布的尖峰厚尾性、非对称性、非正态性以及极值特征；(2)收益率时间序列的分形特征：(3)收益率时间序列的非线性结构；(4)不同市场之间的非线性相关结构等。本文以上证综指和深证成指对数收益率为样本，运用多

2、种统计模型和方法研究我国证券市场的非线性特征。全文共分为七章，主要内容如下：第一章为绪论，论述了问题的研究背景和意义、研究思路和内容以及创新点。第二章为研究现状综述，该章还概述了贯穿伞文的研究工具——连接函数(Copula)的基本理论。第j章首先概述了正则逆Gamma分布和偏T分布及其基本性质，运用正则逆Gamma分布和偏T分布研究上证综指和深证成指日收益率的尖峰厚尾特征：其次运用广义极值模型研究．卜证综指和深证成指同收益率的周、月极值数据的极值特征；最后以正则逆Gamma分布、偏T分布和广义极值分布为基础计算上证综指和

3、深证成指的风险值。第四章研究收益率序列的非线性结构特征。首先运用GARCH模型及其扩展形式：EGARCH模型、TGARCH模型和PGARCH模型，将交易量作为外生变量引入模型中，研究收益率序列的非线性结构特征和杠杆效应，并比较不同模型的刻画能力；其次运用随机波动模型(SV)研究两个市场的杠杆效应；再次运用极大重叠离散小波变换将收益率序列分解在不同尺度下，研究不同交易周期巾两市收益率的随机波动模型的结构特征；最后对一类具有线性形式但能刻画非线性特征的时间序列模型——A11一pass模型的参数提出基于遗传算法和非线性规划的估

4、计方法，并运用该模型进行建模和短期预测。第五章以Copula理论为基本工具，研究沪深两市之间的非线性结构特征。首先以上证综指和深证成指收益率为样本，对其边缘分布分别用正则逆Gamma分布、偏T分布进行拟合，采用Copula函数方法建立两者的联合分布；其次运用极值Copula函数将上证综指和深证成指的极值序列组合起来构造其相关结构，研究极值序列相关关系；再次运用极大重叠离散小波变换，将上证综指和深证成指高频收益率序列分解在不同的交易周期上，各个周期收益率的边缘分布用semi-GPO模型分别拟合，采用Copula函数建立同周

5、期的联合分布以研究沪深两市同周期交易的相关结构；接着将GARCH类模型、随机波动模型和Copula结合，分别建立Copula-GARCH模型和Copula-SV模型米分析两个市场的相关结构特征；最后在资产收益率之间具有非线性结构下，研究组合投资的最优决策。第六章概述了有效市场假说理论和分形市场假说，运用重标极差法和Hurst指数研究我国证券市场的分形特征。第七章总结全文成果并探讨了进一步研究的问题。关键词：收益率分布；风险值；ARCH／GARCH模型；随机波动模型；连接函数；组合投资；分形市场ABSTRACTABSTRA

6、CTTopic：AStudyoftheNonlinearCharacteristicsofChineseSecuritiesMarketPh．D．Candidate：QINWei-liangSupervisor：ProfessorDAQing—liSubmittedto：SoutheastUniversitySecuritiestransactionprocessisboththemeasurementoftheriskandprofitanddecision．makingbasedontheirprices．andea

7、chfinancialdecisioncanbemadeonlyafterbalancingtheprofitandrisk．Itisquiteobviousthatthesefinaneialdataarecharacteristicallynonlinearaftersubstantiveanalysisofthem，whichareembodiedasfollows．Thedistributionoftheyielddataischaracterizedasfattails，asymmetric，non—norma

8、lized，andextremum；thetimesequenceofyieldisffactaIandnonlinear．andthecorrelationstructurebetweendifferentmarketsisnonlinear．BasedontheyielddatacollectedfromShan