金融時間序列VaR模型研究與Web可視化系統(tǒng)構建.pdf

1、隨著金融衍生品不斷豐富，加上最近出現(xiàn)的互聯(lián)網金融，都使得個人和企業(yè)面臨更多投資理財的選擇。風險和收益總是相伴相生，相互制約，因此在有限資金情況下，如何以最小的風險取得最大的收益，是長期擺在學術界、金融界和投資者面前的問題，這也是投資組合理論（Portfolio Theory）產生的背景和研究內容。金融時間序列分析（Analysis of Financial Time Series）是一門新興的涉及數理統(tǒng)計、經濟金融與計算機科學的交叉學科

2、，因此考慮通過研究金融時間序列特征和風險模型，來改進投資組合模型。
　　首先，介紹了本課題的研究背景和意義，對國內外相關文獻和研究技術做了綜述。結合廣義自回歸條件異方差（Generalized Autoregressive Conditional Heteroskedasticity，GARCH）模型和馬爾科夫蒙特卡洛（Markov Chain Monte Carlo，MCMC）方法，提出了一個改進的VaR（Value at Ri

3、sk，VaR）計算方法，并結合滬深300指數對改算法進行了實證比較分析。
　　接著，針對股票收益率數據分布尖峰后尾的特性，從線性微分方程中推導出雙參數q-高斯分布概率密度函數，研究了其圖形特征和參數估計方法，將其應用在經典的投資組合模型中，結合真實股票數據實證研究，結果表明基于q-高斯分布的投資組合模型可以取得更大收益。
　　然后，針對資產收益率序列間的相依關系和尖峰后尾特性，把Copula理論、極值理論、q-高斯分布投資組