重尾分布尾部指数估计及沪深股市实证分析.pdfVIP

中文摘要 中文摘要 分布重尾特征在许多领域中普遍存在，象经济、金融、通信、水文学和气象学等 领域的高频时间序列数据的边际分布几乎都是重尾型的．因此，欲捕捉预期极端事件 发生的概率，必须能正确描述分布的重尾程度．所以，怎样对重尾分布的尾部指数进 行有效的估计，一直受到极值统计学家的关注． 本篇论文系统地阐述了极值理论及重尾分布，回顾了重尾分布尾部指数估计的历 史进程．总结了重尾指数估计中选取k的研究现状．详细讨论了重尾指数估计中选取 拟，研究它们的可行性，比较它们的稳健性．随后对上海和深圳两市股指数据进行了 实证分析．计算结果表明，上海和深圳股指收益率具有重尾性，是右偏态的，右尾厚 于左尾．与此同时，讨论了异常值对重尾指数估计的影响．最后又进一步讨论了基于 GARCH模型下重尾指数估计．实证结果表明，我们所假设的时间序列遵循的模型对 重尾指数的估计产生很大影响．基于GARCH-t模型下重尾指数估计值要大． 本篇论文主要结论： Sum-plot方法优于Bootstrap方法和M-Bootstrap方法．Sum．plot方法和M． Bootstrap方法在估计重尾指数上精确性较高一些，而且不受异常值的影响． 中国股票市场的股指收益率的分布服从重尾分布，是右偏态的，它们的尾部指数 在3左右．GARCH—t模型能够很好地反映股票市场波动的持续性，用t分布假设下 的GARCH模型能够更好的反映收益率的特征．ARCH型相依情形影响边缘分布的 尾部指数的估计，基于GARCH(1，1)一t(∥)模型下估计的尾部指数值大于无条件假设 下的尾部指数的估计值． GARCH模型． 中图分类号：0212 重尾分布的尾部指数估计及沪深股市实证分析 ABSTRACT The tail heavycharacteristicofdistributionsexists in generallymanyfields，such a8 distributionsofthe andme- marginal economy domainandSO timeseriesalmostall the teorology are tail． on，highfrequency heavy toobtainthe extremeeventtooccur must Therefore，wantinganticipated probability beabletodescribethedistributedtail toestimate heavydegreecorrectly．So，how tailindexofthe tailed is focusedstatis- effectively distributions，which heavy always by ticians．． Inthis elaborate theextremevalue andthe thesis，we systematically theory heavy tail review tailindexofthe taileddistribution distrib