基于GARCH和Copula的沪港通事件对沪港两市市场特征影响分析
这是一篇关于沪港通,GARCH模型,Copula函数,Monte Carlo模拟,波动率分析的论文, 主要内容为沪港通,即沪港股票市场交易互联互通机制,指上海证券交易所和香港联合交易所允许两地投资者通过当地证券公司(或经纪商)买卖规定范围内的对方交易所上市的股票。本文将选择2014年4月10日李克强总理宣布实行沪港通以及2014年11月17日沪港通正式开通作为两个关键时点,选择这一段时间内指定两市三十余只金融股、地产股的对数收益率作为研究对象,同时用Copula函数对两市开通沪港通之前以及开通沪港通之后金融股、地产股对数收益率做出统计分析,并采取通用的Monte Carlo方法选择相对应的Copula函数,最后从对应Copula函数出发,结合之前统计相关特征,最后得出开通沪港通对两市关联结构有着“阀门式”作用,沪港通机制推出的确改变两地股票相依结构。波动率分析是金融学界经久不息的话题,正因为它在资产定价这块有着重要地位,对于沪股通市场波动率特性：时间可变性(time varying)和聚集性(clustering),但并不是所选取股票都是“尖峰厚尾”,我们先对数据进行统计分析、检验,得出两个股市部分板块的波动率部分板块并不受沪港通的出现而发生改变,针对波动率随沪港通出现有记忆性波动的板块,我们将采用GARCH模型对2014年4月11日至2015年2月27日,中间选择沪港通开通之日11月17作为断点,然后对股票收益率波动率进行建模,因为GARCH能够较好捕捉到股票收益率长记忆性特征,最后结果显示所选板块股票记忆长度、冲击强度,从而验证两地股市地产股与金融股板块是否存在杠杆效应。对于政府、投资者、企业,研究沪港通交易机制都有其战略性指导作用。事实上,沪港通市场并非是完全开放市场,因为港交所、上交所对沪港通交易金额、种类做出限定,也给本文指引未来改进的方向,同时,本文也为将来两地股票市场完全开放、两地股票投资者提供借鉴性意见。
广西水稻收入保险产品设计与定价研究
这是一篇关于水稻收入保险,非参数核密度估计,Copula函数,费率厘定的论文, 主要内容为水稻是我国重要的粮食作物,广西壮族自治区广西是全国优质稻米重要产区,其水稻质量与产量也关系着我国华南地区的粮食安全。然而,广西的农业保险以产量保险为主,不能保障因市场价格波动给农户造成的损失。而收入保险既能承保产量风险也能承保价格风险,是我国农业保险未来发展方向的重要品种,是缓解农业生产风险和市场风险、确保农户增收、推进乡村振兴战略的重要风险管理工具。本文对广西水稻收入保险进行初步定价研究,为广西日后发展收入保险提供借鉴。本文首先梳理了相关知识理论,接着从多方面分析了在广西实行水稻收入保险的风险及可行性与必要性,并分析了美国水稻收入保险的发展历程、运行机制和广西水稻保险的现状。其次是对广西水稻收入保险进行产品设计与费率厘定。围绕水稻收入保险的设计框架,对于保险责任、保险标的、投保时间、保险期限、保险金额、赔付规则、免赔制度以及保险费率在内的收入保险保单要素进行分析设计。同时,本文以广西壮族自治区水稻为研究对象,利用2001-2020年水稻的单产和价格进行水稻收入保险费率研究。第一步,测定水稻单产和价格的边缘分布和联合分布。本文运用差分法对水稻单产和价格数据进行去趋势处理,采用非参数核密度函数拟合水稻单产和价格的边缘分布,并采用最优Copula函数拟合二者的联合分布。第二步,计算水稻收入保险纯费率。本文通过蒙特卡罗模拟法对数据进行10000次抽样,并采用期望损失法得到水稻收入保险的纯费率。通过研究发现,在70%-100%的保障水平下,早籼稻的纯费率为8.4%-10.9%,毛费率为12.17%-15.79%,晚籼稻纯费率为4.27%-6.39%,毛费率为6.18%-9.26%。保障程度越高,费率越高,不同保障水平所对应的收入保险的费率水平差异较小。测得的晚籼稻费率相对于广西现有的水稻保险来说差异较小,故可先对晚籼稻进行收入保险试点。最后,根据研究结果,本文作出总结,并针对发现的问题提出如下建议:我国应夯实收入保险基础设施,完善期货市场的价格发现功能;精准定位服务客群;丰富保险产品种类,提高保障深度;建立健全农业保险相关法律法规,完善保费补贴制度,完善农业风险分散机制。
基于GARCH和Copula的沪港通事件对沪港两市市场特征影响分析
这是一篇关于沪港通,GARCH模型,Copula函数,Monte Carlo模拟,波动率分析的论文, 主要内容为沪港通,即沪港股票市场交易互联互通机制,指上海证券交易所和香港联合交易所允许两地投资者通过当地证券公司(或经纪商)买卖规定范围内的对方交易所上市的股票。本文将选择2014年4月10日李克强总理宣布实行沪港通以及2014年11月17日沪港通正式开通作为两个关键时点,选择这一段时间内指定两市三十余只金融股、地产股的对数收益率作为研究对象,同时用Copula函数对两市开通沪港通之前以及开通沪港通之后金融股、地产股对数收益率做出统计分析,并采取通用的Monte Carlo方法选择相对应的Copula函数,最后从对应Copula函数出发,结合之前统计相关特征,最后得出开通沪港通对两市关联结构有着“阀门式”作用,沪港通机制推出的确改变两地股票相依结构。波动率分析是金融学界经久不息的话题,正因为它在资产定价这块有着重要地位,对于沪股通市场波动率特性：时间可变性(time varying)和聚集性(clustering),但并不是所选取股票都是“尖峰厚尾”,我们先对数据进行统计分析、检验,得出两个股市部分板块的波动率部分板块并不受沪港通的出现而发生改变,针对波动率随沪港通出现有记忆性波动的板块,我们将采用GARCH模型对2014年4月11日至2015年2月27日,中间选择沪港通开通之日11月17作为断点,然后对股票收益率波动率进行建模,因为GARCH能够较好捕捉到股票收益率长记忆性特征,最后结果显示所选板块股票记忆长度、冲击强度,从而验证两地股市地产股与金融股板块是否存在杠杆效应。对于政府、投资者、企业,研究沪港通交易机制都有其战略性指导作用。事实上,沪港通市场并非是完全开放市场,因为港交所、上交所对沪港通交易金额、种类做出限定,也给本文指引未来改进的方向,同时,本文也为将来两地股票市场完全开放、两地股票投资者提供借鉴性意见。
中国大陆地区地震数据的空间贝叶斯建模
这是一篇关于贝叶斯方法,Copula函数,混杂变量,M-H算法,吉布斯抽样,空间地质数据的论文, 主要内容为空间统计学由于其相对专业的背景知识、强烈的应用背景、旺盛的分析需求一直以来都是统计学研究的热点领域之一.而空间地质数据具有结构复杂、潜在影响因素多、信息含量大以及计算要求高等特点,长期以来,其相关研究大都局限于理论方法相对简单的流行病学研究、物种分布研究以及疾病死亡率分布研究等方向,对于极具应用价值的地震数据鲜有涉及.中国位于世界两大地震带-环太平洋地震带与欧亚地震带的交汇部位,受太平洋板块、印度板块和菲律宾海板块的挤压,地震断裂带十分活跃.大地构造位置决定,地震频繁震灾严重.中国地震主要分布在五个区域:西南地区、西北地区、华北地区、东南沿海地区和23条地震带上.在20世纪里,全球共发生3次8.6级以上的强烈地震,其中两次发生在中国;1976年发生的河北唐山大地震,造成24多万人死亡,在全世界也是绝无仅有的.中国地震活动频度高、强度大、震源浅,分布广,是一个震灾严重的国家.地震及其他自然灾害的严重性构成中国的基本国情之一.统计数字表明:中国的陆地面积占全球陆地面积的十五分之一,中国的人口占全球人口的五分之一左右,然而中国的陆地地震竟占全球陆地地震的三分之一;而造成地震死亡的人数竟达到全球的1/2以上.究其原因,这除了跟中国人口密度大、经济相对落后等因素有关之外,还与中国的地震活动强烈且频繁的特征有着密切关系.为此,本文拟以中国大陆地区地震数据为研究对象全面建立起上述数据的空间贝叶斯统计推断程序.总体来说,本文的工作大致可以分为两部分:第一部分重点研究了贝叶斯空间非参数模型用于混杂响应变量与中国地震数据的应用;第二部分则研究了贝叶斯Copula空间地质数据建模.具体的,在第二章中,主要考虑对响应变量,混杂变量和协变量采用联合建模的方法,该模型建立在一类高斯条件自回归(CAR)模型的基础上,结合物种抽样模型(SSM)以及probit截棍子过程的先验,用于解决数据复杂的交互作用和高度相关性.其关键思想是通过对高斯马尔可夫随机场的概率变换或SSM的离散随机概率度量进行权重建模来引入空间相依关系.本章通过中国地震数据集的实例来说明该方法的实用性和有效性.本文第三章中主要讨论了基于空间贝叶斯Copula的建模方法,采用了数据添加技术结合MCMC方法建立起关于二元随机变量的Bayesian Copula建模方法.由于数据的复杂性,重点探讨了如下两种情况:第一种情况是二元离散型随机变量的贝叶斯Copula建模方法;第二种是二元混合随机变量的贝叶斯Copula建模方法.众所周知,贝叶斯建模方法的优势在于不依赖于样本量的大小,能够在小样本的情况下得到相对理想的估计结果,而这对于数据量有限的巨灾风险评估极值理论是有意义和实用价值的.贝叶斯方法尤其适用于结构层次相对复杂的模型,能够在一定程度上简化计算.本文所采用的对于空间地质数据混杂响应变量的非参数建模,适应了实际研究中对灾害风险控制的需要,结合了当代统计中相对流行的联合建模的新技术,如贝叶斯Copula建模方法,并给出了与实际问题相适应的研究方案,对巨灾风险防控具有一定的指导意义.
中国大陆地区地震数据的空间贝叶斯建模
这是一篇关于贝叶斯方法,Copula函数,混杂变量,M-H算法,吉布斯抽样,空间地质数据的论文, 主要内容为空间统计学由于其相对专业的背景知识、强烈的应用背景、旺盛的分析需求一直以来都是统计学研究的热点领域之一.而空间地质数据具有结构复杂、潜在影响因素多、信息含量大以及计算要求高等特点,长期以来,其相关研究大都局限于理论方法相对简单的流行病学研究、物种分布研究以及疾病死亡率分布研究等方向,对于极具应用价值的地震数据鲜有涉及.中国位于世界两大地震带-环太平洋地震带与欧亚地震带的交汇部位,受太平洋板块、印度板块和菲律宾海板块的挤压,地震断裂带十分活跃.大地构造位置决定,地震频繁震灾严重.中国地震主要分布在五个区域:西南地区、西北地区、华北地区、东南沿海地区和23条地震带上.在20世纪里,全球共发生3次8.6级以上的强烈地震,其中两次发生在中国;1976年发生的河北唐山大地震,造成24多万人死亡,在全世界也是绝无仅有的.中国地震活动频度高、强度大、震源浅,分布广,是一个震灾严重的国家.地震及其他自然灾害的严重性构成中国的基本国情之一.统计数字表明:中国的陆地面积占全球陆地面积的十五分之一,中国的人口占全球人口的五分之一左右,然而中国的陆地地震竟占全球陆地地震的三分之一;而造成地震死亡的人数竟达到全球的1/2以上.究其原因,这除了跟中国人口密度大、经济相对落后等因素有关之外,还与中国的地震活动强烈且频繁的特征有着密切关系.为此,本文拟以中国大陆地区地震数据为研究对象全面建立起上述数据的空间贝叶斯统计推断程序.总体来说,本文的工作大致可以分为两部分:第一部分重点研究了贝叶斯空间非参数模型用于混杂响应变量与中国地震数据的应用;第二部分则研究了贝叶斯Copula空间地质数据建模.具体的,在第二章中,主要考虑对响应变量,混杂变量和协变量采用联合建模的方法,该模型建立在一类高斯条件自回归(CAR)模型的基础上,结合物种抽样模型(SSM)以及probit截棍子过程的先验,用于解决数据复杂的交互作用和高度相关性.其关键思想是通过对高斯马尔可夫随机场的概率变换或SSM的离散随机概率度量进行权重建模来引入空间相依关系.本章通过中国地震数据集的实例来说明该方法的实用性和有效性.本文第三章中主要讨论了基于空间贝叶斯Copula的建模方法,采用了数据添加技术结合MCMC方法建立起关于二元随机变量的Bayesian Copula建模方法.由于数据的复杂性,重点探讨了如下两种情况:第一种情况是二元离散型随机变量的贝叶斯Copula建模方法;第二种是二元混合随机变量的贝叶斯Copula建模方法.众所周知,贝叶斯建模方法的优势在于不依赖于样本量的大小,能够在小样本的情况下得到相对理想的估计结果,而这对于数据量有限的巨灾风险评估极值理论是有意义和实用价值的.贝叶斯方法尤其适用于结构层次相对复杂的模型,能够在一定程度上简化计算.本文所采用的对于空间地质数据混杂响应变量的非参数建模,适应了实际研究中对灾害风险控制的需要,结合了当代统计中相对流行的联合建模的新技术,如贝叶斯Copula建模方法,并给出了与实际问题相适应的研究方案,对巨灾风险防控具有一定的指导意义.
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码客栈网 ，原文地址：https://m.bishedaima.com/lunwen/53866.html
