国产日韩欧美福利在线,麻豆国产精品污在线

　　隨著經(jīng)濟(jì)優(yōu)選化與金融一體化的發(fā)展，金融市場間的聯(lián)系日益增強(qiáng)，相依結(jié)構(gòu)日趨復(fù)雜化、多元化。2007-2008年由美國次貸危機(jī)引發(fā)的優(yōu)選金融危機(jī)，再次警醒著世界各國重新審視本國金融體系以及同靠前金融市場間的關(guān)聯(lián)關(guān)系�？茖W(xué)刻畫金融市場間的相依結(jié)構(gòu)及風(fēng)險(xiǎn)傳導(dǎo)路徑，無論對于投資者的微觀資產(chǎn)配置還是對于監(jiān)管部門的宏觀審慎管理和風(fēng)險(xiǎn)防范都有著重要的現(xiàn)實(shí)價(jià)值。
　　《金融市場時(shí)頻動態(tài)相依結(jié)構(gòu)研究》從理論與實(shí)證相結(jié)合的角度出發(fā)，在理論評述與定性分析的基礎(chǔ)上，通過構(gòu)建非線性、非對稱、時(shí)變動態(tài)的Copula和小波函數(shù)模型，考慮時(shí)間和頻率維度特征，設(shè)計(jì)多樣本參照對比，從金融危機(jī)對國內(nèi)外金融市場影響的視角，對中國人民幣匯率和股票市場、美國經(jīng)濟(jì)政策不確定性和中印股票市場、投資者情緒和加密貨幣之間的關(guān)系展開了深入研究。

　　隨著經(jīng)濟(jì)全球化與金融一體化的發(fā)展，國際金融市場間的聯(lián)系日益增強(qiáng)，相依結(jié)構(gòu)日趨復(fù)雜化、多元化。2007-2008年由美國次貸危機(jī)引發(fā)的全球金融危機(jī)，再次警醒世界各國重新審視本國金融體系及其同國際金融市場間的關(guān)系�？茖W(xué)刻畫金融市場間的相依結(jié)構(gòu)及風(fēng)險(xiǎn)傳導(dǎo)路徑，無論對投資者的微觀資產(chǎn)配置還是對監(jiān)管部門的宏觀審慎管理和風(fēng)險(xiǎn)防范都有著極高的現(xiàn)實(shí)價(jià)值。
　　本書從理論與實(shí)證相結(jié)合的角度出發(fā)，在理論評述與定性分析的基礎(chǔ)上，通過構(gòu)建貝葉斯推斷理論結(jié)合Copula函數(shù)方法、非線性、非對稱、時(shí)變動態(tài)的Copula和小波函數(shù)模型，考慮時(shí)間和頻率維度特征，設(shè)計(jì)多樣本參照對比，從金融危機(jī)對國內(nèi)外金融市場影響的視角，對中國股票市場和人民幣匯率、美國經(jīng)濟(jì)政策不確定性和中印股票市場、投資者情緒和加密貨幣之間的關(guān)系展開了深入研究。
　　首先，利用Copula函數(shù)理論結(jié)合指數(shù)和Pareto分布構(gòu)建了Frank Copula可靠性模型，包括聯(lián)合分布函數(shù)、概率密度函數(shù)的推導(dǎo)和邊際分布參數(shù)的抽樣算法；利用MCMC抽樣理論構(gòu)造了參數(shù)的估計(jì)過程，包括超參數(shù)的確定、參數(shù)協(xié)方差矩陣的設(shè)定和兩類Frank Copula模型參數(shù)的M-H抽樣算法；通過仿真分析給出指數(shù)Frank Copula模型參數(shù)的貝葉斯估計(jì)結(jié)果，利用貝葉斯p統(tǒng)計(jì)量檢驗(yàn)估計(jì)的有效性和穩(wěn)健性，結(jié)果表明貝葉斯估計(jì)能準(zhǔn)確估計(jì)參數(shù)。
　　其次，研究了基于刪失數(shù)據(jù)的Copula生存模型的貝葉斯推斷理論，包括異質(zhì)、正穩(wěn)態(tài)和治愈率刪失Copula生存模型構(gòu)建，推導(dǎo)異質(zhì)刪失Copula生存模型參數(shù)的條件后驗(yàn)分布，設(shè)計(jì)Gibbs抽樣、自適宜和M-H抽樣算法對正穩(wěn)態(tài)刪失Copula生存模型邊際參數(shù)的估計(jì)，利用一步和兩階段貝葉斯估計(jì)分別推導(dǎo)相依參數(shù)的條件后驗(yàn)分布，設(shè)計(jì)Gibbs抽樣推導(dǎo)治愈率刪失Copula生存模型參數(shù)的完全條件后驗(yàn)分布。利用刪失生存的實(shí)際數(shù)據(jù)，分別用刪失正穩(wěn)態(tài)、Frank和ClaytonCopula生存模型估計(jì)變量間的相依結(jié)構(gòu)，給出兩階段與一步貝葉斯估計(jì)的參數(shù)后驗(yàn)統(tǒng)計(jì)量，然后利用DIC、EAIC、EBIC和CPO等統(tǒng)計(jì)量對所用模型進(jìn)行比較選擇分析。
　　再次，研究了貝葉斯方法對邊際分布為連續(xù)、離散和混合變量的多元Copula模型參數(shù)估計(jì)和統(tǒng)計(jì)推斷理論。引入二元指示變量對相關(guān)矩陣參數(shù)化，設(shè)計(jì)M-H抽樣算法完成連續(xù)多元Copula模型的潛變量和參數(shù)化矩陣元素的估計(jì)。討論離散和混合變量的多元Copula模型構(gòu)建，利用MCMC抽樣得到邊際分布、潛變量和相依參數(shù)的條件后驗(yàn)分布。構(gòu)建多元Copula回歸模型，討論協(xié)方差矩陣的先驗(yàn)選擇，研究離散和混合變量情形下邊際分布參數(shù)和相關(guān)矩陣元素的MCMC抽樣過程。同時(shí)結(jié)合Monte Carlo仿真對混合變量的正態(tài)Cop-ula模型的貝葉斯抽樣過程進(jìn)行實(shí)現(xiàn)，給出相關(guān)參數(shù)的后驗(yàn)估計(jì)和檢驗(yàn)。
　　最后，研究了基于時(shí)間序列的時(shí)變t-Copula模型的貝葉斯推斷理論。利用靜態(tài)Copula、時(shí)變Copula和時(shí)變Copula貝葉斯模型分別描述金融危機(jī)前后國際原油價(jià)格與亞太股票市場的相依結(jié)構(gòu)。研究結(jié)果表明，金融危機(jī)后相依結(jié)構(gòu)比危機(jī)前明顯穩(wěn)固，時(shí)變Copula模型更加適合刻畫變量間的相依結(jié)構(gòu)，同時(shí)利用靜態(tài)Copula、時(shí)變Copula和時(shí)變Copula貝葉斯模型估計(jì)原油與亞太股票市場投資組合的VaR，發(fā)現(xiàn)時(shí)變t-Copula貝葉斯模型可以更好地估計(jì)投資組合的VaR。

目錄IV插圖索引X附表索引XII章緒論11．1 選題背景與研究意義11．1．1 選題背景11．1．2 研究意義41．2 文獻(xiàn)綜述51．2．1 Copula函數(shù)理論研究51．2．2 Copula函數(shù)模型的應(yīng)用研究91．2．3金融市場時(shí)間相依結(jié)構(gòu)研究141．2．4尾部風(fēng)險(xiǎn)溢出效應(yīng)測度151．3 研究思路與研究內(nèi)容161．3．1 研究思路161．3．2 研究內(nèi)容17第2章貝葉斯Copula相依結(jié)構(gòu)理論192．1 Copula函數(shù)及相依結(jié)構(gòu)分析192．1．1 Copula函數(shù)定義與性質(zhì)192．1．2 Copula函數(shù)分類202．1．3 Copula函數(shù)的相依結(jié)構(gòu)與一致性相關(guān)測度232．1．4 Copula函數(shù)參數(shù)估計(jì)方法252．1．5 Copula函數(shù)模型選擇與檢驗(yàn)262．2 貝葉斯推斷理論282．2．1 貝葉斯決策282．2．2 抽樣算法292．2．3 MCMC收斂診斷322．3 本章小結(jié)33第3章基于指數(shù)和Pareto分布的貝葉斯Copula可靠性模型構(gòu)建343．1 二元指數(shù)分布的Frank Copula模型構(gòu)建與估計(jì)343．1．1二元指數(shù)分布的Frank Copula模型343．1．2 指數(shù)分布的Frank Copula模型的抽樣算法353．2 二元指數(shù)分布的Frank Copula模型的貝葉斯分析373．2．1 參數(shù)先驗(yàn)分布的設(shè)置383．2．2 基于二元指數(shù)分布Frank Copula模型的MCMC算法設(shè)計(jì)383．3二元Pareto分布的Frank Copula模型構(gòu)建與貝葉斯估計(jì)393．3．1二元Pareto分布的Frank Copula模型393．3．2 基于二元Pareto分布Frank Copula模型的貝葉斯分析403．4 Monte Carlo仿真實(shí)驗(yàn)分析433．4．1 仿真設(shè)計(jì)與貝葉斯估計(jì)433．4．2參數(shù)貝葉斯估計(jì)檢驗(yàn)443．5 本章小結(jié)46第4章基于貝葉斯Copula函數(shù)的刪失生存模型構(gòu)建474．1 異質(zhì)貝葉斯Copula刪失生存模型構(gòu)建474．1．1 異質(zhì)Copula生存模型474．1．2 刪失異質(zhì)生存模型的貝葉斯估計(jì)494．1．3刪失異質(zhì)生存Copula模型參數(shù)的貝葉斯推斷494．2 正穩(wěn)態(tài)刪失生存的貝葉斯Copula模型構(gòu)建504．2．1 正穩(wěn)態(tài)刪失模型的貝葉斯分析504．2．2 正穩(wěn)態(tài)刪失Copula模型的兩種貝葉斯估計(jì)534．3 基于刪失治愈率的貝葉斯Copula模型分析544．3．1 刪失治愈率Copula生存模型結(jié)構(gòu)544．3．2 刪失治愈率Copula生存模型的MCMC抽樣設(shè)計(jì)554．4 應(yīng)用研究574．4．1 數(shù)據(jù)來源574．4．2 一步貝葉斯估計(jì)結(jié)果574．4．3 兩階段貝葉斯估計(jì)結(jié)果分析634．4．4 模型的比較分析664．5 本章小結(jié)66第5章基于混合變量的多元貝葉斯Copula模型構(gòu)建675．1 連續(xù)變量的多元貝葉斯Copula模型構(gòu)建675．1．1 連續(xù)變量的正態(tài)Copula模型結(jié)構(gòu)675．1．2 連續(xù)變量的多元Copula模型MCMC抽樣設(shè)計(jì)685．2離散和混合變量的多元貝葉斯Copula模型構(gòu)建705．2．1 離散變量的多元Copula模型結(jié)構(gòu)分析705．2．2 離散變量的多元Copula模型MCMC算法715．2．3基于混合變量貝葉斯Copula模型分析735．3多元混合變量的貝葉斯Copula回歸模型構(gòu)建735．3．1 多元正態(tài)Copula回歸模型協(xié)方差矩陣先驗(yàn)設(shè)置735．3．2 多元正態(tài)Copula回歸模型MCMC抽樣算法755．4 Monte Carlo仿真實(shí)驗(yàn)分析775．5 本章小結(jié)79第6章亞太股票市場與國際油價(jià)相依結(jié)構(gòu)研究816．1 數(shù)據(jù)描述與結(jié)構(gòu)突變檢驗(yàn)816．1．1 數(shù)據(jù)的結(jié)構(gòu)穩(wěn)定性檢驗(yàn)816．1．2 數(shù)據(jù)描述性統(tǒng)計(jì)結(jié)果分析836．1．3 收益邊際分布模型刻畫856．2 Copula估計(jì)相依結(jié)果分析876．2．1 Copula模型估計(jì)876．2．2 模型的擬合優(yōu)度檢驗(yàn)936．3 貝葉斯時(shí)變Copula模型估計(jì)956．3．1 貝葉斯時(shí)變Copula模型構(gòu)建956．3．2 模型參數(shù)估計(jì)結(jié)果976．4 估計(jì)VaR比較分析1026．5 本章小結(jié)103第7章中國股票市場和人民幣匯率動態(tài)聯(lián)動效應(yīng)研究1047．1 前言1047．2 相關(guān)文獻(xiàn)綜述1057．3 數(shù)據(jù)描述與初步分析1067．4 實(shí)證結(jié)果1107．4．1 邊際分布的擬合1107．4．2 邊際分布的擬合優(yōu)度檢驗(yàn)1117．4．3 Copula函數(shù)估計(jì)結(jié)果1137．5結(jié)論118第8章美國經(jīng)濟(jì)政策不確定性與中印股票市場時(shí)頻聯(lián)動效應(yīng)研究1208．1 前言1208．2 文獻(xiàn)綜述1218．3 小波函數(shù)理論1238．4 數(shù)據(jù)選取1258．5實(shí)證結(jié)果分析1268．5．1 連續(xù)小波分析1268．5．2 離散小波因果檢驗(yàn)1308．6 本章小結(jié)133第9章投資者情緒和加密貨幣分位時(shí)頻動態(tài)效應(yīng)研究1349．1 前言1349．2 文獻(xiàn)綜述1369．3 數(shù)據(jù)分析1379．4 實(shí)證結(jié)果分析1409．4．1 連續(xù)小波分析1409．4．2 多尺度分位數(shù)格蘭杰因果分析1439．4．3 穩(wěn)健性分析1499．5 本章小結(jié)158結(jié)論160參考文獻(xiàn)163

你還可能感興趣

我要評論