基于ICA-SV模型的金融市场协同波动溢出分析及实证研究

被引：8

作者：

张瑞锋 ^{[1
]}

张世英 ^{[2
]}

机构：

[1] 河北经贸大学财税学院

[2] 天津大学管理学院

来源：

数学的实践与认识 | 2008年 / 38卷 / 23期

关键词：

SV模型; 独立成分分析(ICA); 金融市场; 协同波动溢出;

D O I：

暂无

中图分类号：

F830.9 [金融市场]; F224 [经济数学方法];

学科分类号：

1201 ; 020204 ; 0701 ; 070104 ;

摘要：

对于动态投资组合与风险管理来说,测定波动溢出效应是非常重要的.已有的文献证明SV模型比GARCH模型能够更好地刻画金融市场的波动,使用SV模型研究两个金融市场间波动溢出的文献并不多见,而使用SV模型研究多个金融市场对一个金融市场协同波动溢出的文献则更为少见.本文以独立成分表示金融市场波动的协同指标,提出了独立成分SV模型(ICA-SV),并研究了多个金融市场对一个金融市场的协同波动溢出,实证结果验证了ICA-SV模型在分析金融市场协同波动溢出是可行的.

引用

页码：30 / 39

页数：10

共 26 条

[1] AN INFORMATION MAXIMIZATION APPROACH TO BLIND SEPARATION AND BLIND DECONVOLUTION [J].

BELL, AJ ;

SEJNOWSKI, TJ .

NEURAL COMPUTATION, 1995, 7 (06) :1129-1159

[2]

Independent component analysis versus PCA. Jutten C,Herault J. Proceeding of European Signal Processing Conf . 1988

[3]

A theory for multiresolution signal decomposition: the wavelet representation. Mallat S G. IEEE Transactions on Pattern Analysis and Machine Intelligence . 1989

[4]

An information-maximization approach to blind separation and blind deconvolution. Bell AJ,Sejnowski TJ. Neural Computation . 1995

[5]

Volatility Spillover and Co-movement:Some New Evidence from Singapore. Lakshmi Balaa,and Gamini Premaratneb. Four-teenth Annual Meeting of the Midwest Econometrics Group .

[6]

Modeling financial time series. Taylor S J. . 1986

[7]

Modeling stochastic volatility. Taylor S J. Mathematical Finance . 1994

[8]

Statistical aspects of ARCH and stochastic volatility. Shepard,N. Time Series Models in Econometrics . 1996

[9]

Bayesian analysis of stochastic volatility models. Jacquier E,Polson N G,Rossi P E. Journal of Business . 1994

[10]

Bayesian analysis of stochastic volatility models. Jacquier E,Polson N G,Rossi P E. Journal of Business . 1994

← 1 2 3 →