我是XX我喂自己袋盐
范文一：简述金融资产的特征
知识是浩瀚的海洋
1. 简述金融资产的特征:(1)期限性。金融资产一般都有固定的偿还期限，例如贷款。(2)收益性。金
融资产可以取得收益，或者价值增值。这相当与投资者让渡资金使用权的回报。无论是股息、利息，
还是买卖的价差，都是金融资产的收益。(3)流动性。金融资产的流动性是指其迅速转化为现金的能
力。金融资产的一大特点，就是可以在金融市场上以合理的价格迅速获得现金。(4)风险性。金融资
产可能到期不会带来收益，甚至会带来损失，这种不太确定性，就是金融资产的风险 2. 为什么发挥金融市场的作用要通过价格机制来实现:(1)价格是金融信息的传播者，价格变动情况是
放映金融市场活动状况的一面镜子，是金融市场运行的晴雨表。(2)价格是人们经济交往的纽带，金
融资产在各个经济单位、个人之间的不停流转，必须通过价格机制才能实现。(3)价格是人们经济利
益关系的调节者，在金融市场中，任何价格的变动，都会引起不同部门、地区、单位、个人之间经济
利益的重新分配和组合。
3. 简述资产证券化的主要作用:资产证券化主要有三大积极作用，首先，对投资者来说，资产证券化为
他们提供了更多的投资产品。能够使其投资组合更加丰富;其次，对于金融机构来说，资产证券化可
以改善资金周转效率，规避风险，增加收入;再次，资产证券化能够增加市场的活力。 4. 金融自由化主要变现在哪些方面:金融自由化主要变现在5个方面:一是减少甚至取消国与国之间对
金融机构活动范围的限制，国家之间相互开放本国的金融市场;二是放松外汇管制，使资本流动更加
便利。三是放松对金融机构的限制，逐渐允许混业经营;四是利率市场化;五是鼓励金融创新，支持
新金融工具的交易。
5. 与传统定期存单相比，大额可转让定期存单的特点有:首先，定期存款记名，不可转让，而大额可转
让定期存单不记名，可以转让;其次，定期存单金额没有限制，而大额可转让定期存单面额较大;再
次，定期存款利率一般都是固定的，而大额定期可转让存单既有固定利率，又有浮动利率;最后，大
额可转让定期存单是不能提前支取的，要想变现，必须在二级市场上进行转让。
------精品word文档 值得下载------
--------------------------------------------------------------------------------
范文二：金融资产波动特征
在对金融波动进行建模前，我们需要了解金融资产波动的主要统计特征，这是我们对波动进行建模的统计基础。Bollerslev, Engle and Nelson(1994)，Rama Cont（2001），苏卫东（2002）等对此进行了总结和归纳。就一般而言，金融资产的波动具有如下统计特征：
（1）??????? 过度波动（excess volatility）：也就是说金融资产的波动超过了经济基本面因素所能引起的波动。特别的，金融资产收益率较大幅度的变化（包括正向和负向）并不能完全由市场上所有新的信息所解释。
（2）??? 厚尾（heavy tail）：金融资产的无条件收益率往往呈现“尖峰厚尾”的统计特征，其峰度指标和尾部指标(tail index)往往较标准的正态分布更高，这意味着用具有厚尾特征的统计分布如t分布、Pareto分布或者GED分布（广义误差分布）等能较正态分布更好的刻画金融资产的这种统计特征。
（3）??? 波动具有时变和聚集（volatility clustering）特征：经典金融理论在描述金融资产波动变化时，往往假设波动在一定期限内保持不变。然而实践表明这种假设不甚合理。金融资产的波动往往具有随时间变化而变化的特点，有时变化相当剧烈，而有时则相对稳定。更重要的是，金融资产的波动往往还存在着聚集现象，这种现象首先由Mandelbrot(1963)发现，指大的金融波动后面往往跟着大的波动，而小的金融波动后面跟着小的波动。很明显的例证是：金融资产收益率的自相关系数往往较小，但是收益率的绝对值和平方却往往具有显著的、呈现缓慢衰减的正向自相关性。波动的聚集同金融资产的厚尾特征是有内在联系的，波动的聚集是导致金融资产尾部较厚的重要原因（Bollerslev, Engle andNelson，1994）。而导致波动聚集的原因也较多，
（4）??? 杠杆效应(leverage effect)：杠杆效应首先由Black（1976）发现，指金融资产收益率波动往往体现出一种非对称性，波动率对金融资产收益率下跌时的反应往往比对收益率上升时的反应更加迅速和剧烈，这就是所谓的杠杆效应。Christie(1982)利用Modigliani-Miller原理对此问题进行了解释：坏消息的出现会降低公司的股价，这样就会导致负债/资产比（也就是金融杠杆比）上升，这显然会加大公司的风险从而加大了持有股票的风险，使得未来的期望波动值上升。
（5）波动具有连动性（co-movements in volatility）：这种现象也首先由Black（1976）发现，他总结到：“不同股票的波动变化具有很多相同的特征，股市1％的波动变化意味着所有股票的波动可能也由1％的变化。只是某些高风险的股票对于股市变化的敏感度较低风险的股票高，但就总体而言，当波动变化时，大多数的股票倾向于同方向变化。”这种波动的连动性不仅存在于同一金融市场，跨金融市场也同时存在着这种现象。Diebold and Nerlove (1989)和 Harvey et al. (1992)则讨论了影响金融资产连动性的主要因素，这意味着我们可以用较少的因素去解释金融资产方差和协方差的变化。正是基于此学者提出了因素ARCH模型（Engle（1987），Diebold and Nerlove (1989)）来解释金融波动的这种连动性。
（6）波动同宏观计量变量和成交量密切相关：金融资产的价格同宏观经济运行质量密切相关，那么宏观经济指标，如利率、货币供应量、GDP增长、外贸等都将对股票市场的波动产生是实质性影响。对于中国股市而言，政府的股市调控政策对股市波动的影响也非常巨大（史代敏，2002）。另一方面从金融市场本身的运行规律来看，金融资产的成交量与波动也往往存在着显著的正向关系。
(7)? 波动的隐含微笑曲线(implied volatility smile)与期限结构(volatility term strucuture)：微笑曲线是指在其它条件相同的情况下，对相同标的资产但执行价不同的期权市场价格所反映出来的隐含波动度往往呈现近似微笑形态的曲线，随着到期期限越远，这种微笑的幅度会越发趋缓。一般而言，微笑曲线意味着Blach-Scholes公式高估了平价买权的价格而低估了价内和价外买权的价格。而波动的期限结构则是指在其它条件不变的情况下，对相同标的资产但不同到期日的期权市场价格，通过Black-Schole公式所反算出来的隐含波动度所呈现的形态。Xu and Taylor(1994)发现期权的期限结构是不规则的，呈现出多种形态。一般认为，金融资产的随机波动特征是造成隐含微笑曲线和期限结构最重要的原因。
范文三：金融资产波动性特征研究回顾
金融资产波动性特征研究回顾
Bachelier(1900)运用赌博的方法研究证券价格的特征,提出证券价格遵循随机游走,即布朗运动(Brownian Motion)。从此,对金融资产价格形成机制的研究成为整个金融学的焦点,产生了一系列辉煌的理论:市场有效性理论,市场均衡理论,资本资产定价理论以及期权定价理论
投资者需要估计资产的风险期望收益率,银行和其他金融机构要确保资产等。在金融市场上,
价值不跌破破产下限,这些评估都离不开对资产收益率波动性的准确度量和预测。波动率的估计模型在过去的几十年里已成为金融市场计量经济学中最为活跃的研究领域之一。
一、金融资产波动率的估计
波动率通常用样本的标准差或方差来表示。样本标准差是描述样本二阶矩特征的统计量,表示样本的离中趋势,可作为风险的评价尺度(Markowitz,1952),并被广泛地运用到金融资产的风险评价中。
但是,研究发现在小样本情况下样本矩的统计特征使得利用样本标准差无法得到对真实二阶矩的精确估计。虽然样本方差是总体方差的无偏估计,但是根据。Jenso不等式,样本方差的平方根却是对总体标准差的有偏估计(Stephen,Figlewski,1997)。为了更好地描述波动率,Mat-kowitz(1991)定义了下方差(semi—variance)作为波动率的度量工具;Ding、Granger,:Engle(1993)建议直接使用绝对值收益来度量波动率;Fung,Hsieh(1991),Andersen, Bolleslev(1998)指出利用Merton(1980)提出的实际波动率能够更好地刻画日内数据的波动特性;Yu, Bluhm(2000),Hol,Koopman(2002)对多种波动模型进行了比较,指出Black—Scholes模型中的隐含波动率是对股指波动的有效度量。
传统投资理论假设收益率序列独立同分布,标准差服从正态分布。从Markwitz的均值一方差分析,Sharpe的资本资产定价模型(CAPM),Merton的连续跨期投资模型(ICAPM),到Black—Scholes期权定价公式,都是以此为分析基础的。大量实证研究发现,在实际的金融市场上大部分金融变量的标准差具有一些与正态假设不相符的特征,如异方差性和集聚现象等。经过多年来的大量研究,针对波动率的估计模型已有了很大的发展,其中包括:自回归移动平均模型(ARMA),自回归条件异方差(ARCH)族模型,随机波动率模型(stoehastic volatility,sV),Switch—Regime模型等等。Engle(1982)提出的ARCH模型以及Taylor(1986)提出的sV模型,被认为是最集中反映了金融数据时间序列方差波动特点的模型,成为现代经济计量学研究的重点。
二、金融资产波动的主要特征
近20年的实证研究对价格波动的布朗运动模型和有效市场假设提出了强有力的挑战,
比如日历效应、周内效应、盈利公告效应、规模效应以及反向投资策略等等。由于投资者心理因素差异,对信息的消化与确认不均等,收益率的波动呈现非均衡状态,表现出如下主要特征 1)收益率的分布表现为尖峰厚尾性(fat tails,excess kurtosis);(2)波动的时变性(time—varying volatility)和集聚性(volatility clus—tering);(3)长期记忆性(long memory);(4)不同资产或者不同的市场之间的波动存在溢出效应(spill—over effects);(5)杠杆效应(leverage effects)。
(一)尖峰厚尾性
传统投资理论假设金融资产收益率服从正态分布,但Mandlbrot(1960,1961,1963)发现资本市场收益率服从稳态levy分布,表现出尖峰厚尾的特征。
Alexander(1961)在描绘股票市场收益率的密度函数时注意到在均值附近的点比正态分
其分布的尾部比正态分布肥胖,分布的四阶矩大于3。大量的实证研究同布预测的要高得多,
样表明,尖峰厚尾特征并不仅仅是股票市场特有的现象,对其他金融资产也表现出同样的特性(Peters,1991)。
由于正态分布假设不完全吻合经济和金融资料的经验研究结果,于是许多经济学家尝试对模型的误差项的分布做出各种不同的假设,一种是假设股票收益分布应服从稳态Levy分布。Mandlbrot(1960,1961,1963),Peters(1996),:Mantegna,Stanlev(1995).Farmer(1999),Gopikrishnan et al.(1999,2000),Bam berg,Doffleitner(2001)都对金融资产波动的稳态levy分布做了相应的研究。另一类假设是使用混合分布对已有数据进行分布模型的估计。例如用学生氏t分布替代正态分布(Bollerslev,1987),正态一泊松混合分布(Jorion,1988),幂指数分布(Raillie, Bolleslev,1989),正态一对数正态混合分布(Hsieh.1989),扩展的指数分布(Nelson,1990)等。IJnden (2001)发现用指数分布和正态分布构成的Laplace分布在刻画股票收益时明显优于正态分布,而且Laplace分布具有的几何稳定性,即如果日收益服从Laplace分布,那么周收益、月收益也同样服从Laplaee分布。
显著的尖峰厚尾状态几乎在任意时间标度上都存在(几秒到几个月),而且时间标度取的越短,这种形态越显著。Anderson,.Bollerslev(1998)发现随着数据频率的增加,时间序列的峰度也是随之增加的,当数据频率取到分钟数据时,峰度就已经超过100。
在较低频率的数据中,GARCH模型是可以刻画一些峰度较大的数据特征的,但如果峰度达到了100以上,那GARCH模型就远远不能刻画。很多学者建议利用sV模型来刻画尖峰厚尾性,实证研究也表明SV模型对金融时间序列尖峰厚尾性的刻画能力要高于GARCH模型。Liesenfeld,Jung(21000)研究了SV模型的sV—t与sv-GED)假设,并与sv normal假设进行了比较,结果表明,这两种假设能较好地描述序列的“尖峰厚尾”特征。 (二)波动的集聚性
金融时间序列往往在较大幅度波动后面伴随着较大幅度的波动,在较小波动幅度后面
这种性质称为波动集聚性。对于波动集聚性出现的原因,一种解释是紧接着较小幅度的波动,
该现象源于外部冲击对股价波动的持续性影响,在市场有效的情况下,高频数据表现的ARCH效应就是信息以集聚方式到达的反映。另一观点是Stock提出的时间扭曲观(time deformation),他认为波动聚集性的产生是因为经济事件的发生时间与日历时问不一致。
Engle(1982)提出的ARCH模型,被认为是最集中反映了方差变化特点而被广泛应用于金融数据时间序列分析的模型。ARCH模型解释了收益率序列中比较明显的变化是否具有规律性,并且说明了这种变化前后依存的内在传导是来自某一特定类型的非线性结构,较好地刻画了外部冲击形成的波动集聚性。Bollerslev(1986)修正了ARCH模型,在ARCH模型中加入了条件异方差的移动平均项,提出了GARCH模型。实证研究表明,GARCH模型更好地刻画了收益率序列残差项的异方差性,国外学者利用GARCH模型进行了大量的研究,并对该模型进行了扩展和改进。Engle,Lilien,Robbins(1987)将条件标准方差引入均值方程,进一步提出了GARCH—M模型,使期望收益率与风险紧密联系在一起。
Nelson(1991)提出指数GARCH(exponential GARCH.EGARCH。)模型,避免了对参数的非负性假设。Pagan ,Schwert(1990)发现相对于非参数模型而言,E—GARCH模型的预测效果是最好的。Harvey.Ruiz, Sentana(1992)提出了结构性ARCH(structural ARCH.STARCH),
这个模型要求用卡尔曼滤波进行估计。
cai(1994),Hamilton,Susmel(1994)提出的转换ARCH(switching ARCH,SWARCH)模型,假设了数种不同的ARCH模型,并通过马尔柯夫链在其间转换,该模型同样要求用卡尔曼滤波估计。Hentschel (1995)定义了一个十分广义的模型,包括了几乎所有的ARCH.模型。Francq,Zakoian(2000)在Drost, Nijman(1993,1996)的弱GARCH模型的基础上,提出了一套弱GARCH模型的估计检验方法。Daccorog et al.(1996,1998)提出了HGARCH(heterngeneous
GARCH)模型,在GARCH模型的条件异方差项引入时间刻度变换(time deformation)处理技术。在目前所有的波动率模型中,ARCH族模型无论从理论研究的深度还是从实证运用的广
泛性来说都是独一无二的。
(三)波动的长期记忆性
金融资产收益率波动的长期记忆性是指,收益率序列的绝对值或幂的自相关呈现十分缓慢的衰减,相距较远的时间间隔仍然具有显著的自相关性,表现为历史事件的影响会长期影响着未来。Fama, French(1988),Poterba,Summers(1988)发现股市收益存在短期正相关而长期负相关的关系。Ding.Granger,Engle(1993)发现,在1928-1991年间,S,P500指数的日收益率平方第一个负自相关发生在第2598阶时滞。Mill(1996)利用伦敦FT30从1935至1994的日收益率也得出类似结果,Taylor.(1986),Dacarogna(1993)等利用其他金融时间序列也得到了同样的特征。
对长期记忆性的研究具有重要意义 1)如果收益率具有长期记忆性,则意味着收益是可
预测的,套利行为将成为可能,这显然与“有效市场假定”(effi cient market hypothesis,EMH)相悖。(2)自回归模型(AR)、滑动平均模型(MA)、自回归滑动平均模型(ARMA)、自回归整合滑动平均模型(ARIMA)等描述金融经济时间序列的短期记忆模型将面临严重挑战,必须构建可充分考虑长期记忆性的新模型。(3)长期记忆反映出金融市场具有非线性结构,使得传统的线性模型将无法描述金融市场的本质。
为此,Granger,Joyeus(1980),Hosking(1981)将分数差分噪声(FI)N)和ARMA模型相结合提出的自回归分整移动平均模型(autoregressive fractionally in tegrated moving
average,ARFIMA)描述长期记忆过程,该模型已成为检验长期记忆性最常用的工具。
Geweke,Porter-Hudak(1983)提出了针对长期记忆性的分数差分检验(fractional differencing test)。Engle ,Bollerslev(1986)运用IGARCH(integrated GARCH.)模型来刻画波动的长期记忆性,模型的解是不存在无条件分布方差的非协方差平稳的严平稳过程。但是,IGARCH意味着条件方差所受的冲击无限持久,而且意味着投资主体将会频繁和彻底地改变其投资组合的组成部分,这与观察到的主体行为不符。同时,时间聚合问题(temporal aggregation)也给IGARCH模型的合理性带来了疑问。Engle,Bollerslev(1993)提出通过一定的组合来消除或减小波动的持续性,即波动协同持续(common persistence in volatility)。Lo (1991)把这种现象归结于可能存在的长周期和长期收益中潜在的可预测部分,并利用改进R/S分析法对美国市场进行实证,发现美国市场不存在长期记忆性。
Taqqu,Teverovsky,Willinger(1994)用蒙特卡罗模拟法测试评价了9种长期记忆参数的估计量:累计方差、方差差分、累计序列的绝对值、Higuchi方法、残差回归、R/s统计量方法、周期图方法、修正的周期图法以及Whittle统计量等,其中后三种属于频域方法。他们的
结论认为,前8种方法误差相近,Whittle统计量虽然具有最小的误差,但该方法需要频谱密度函数,难以广泛应用。
Baillie,Bollerslev,Mikkelsen(1996)提出的FI GARCH(fractionally integrated GARCH)模型以及Bollerslev,Mikkelsen(1996)提出的FIEGARCH模型解释了序列变动异方差的特性和长期记忆变动特征,并证明FIGARcH过程的存在可以解释研究者在高频数据中发现的IGARCH类行为。Zumbach (2002)将权值引入真实波动,提出了LM一ARCH模型。在此之前,几乎所有的波动分整模型在波动生成过程中都包含一个非零的漂移项,在实际应用中对分整模型的检验需要有限尾部的任意截断,因此均值是有偏的。而LM-ARCH模型能够有效地避免这个问题。Beidt et al.(1998)提出长记忆随机波动(LM—sV)模型描述波动的长期记忆性。
Scholes隐性波动。Ray,Hwang, Satchell(1998)利用长期记忆模型预测期权的Black—
Tsay(2,000)利用多维SV模型对S,P500中100支股票进行了分析,研究了收益波动协同持续的共同因素。Andersen et al.(2002)利用真实波动构建了分布拖尾的向量自回归模型(VAR-.RV)。Martens,Martens,.Jason(2002),Li (2002)利用期权的隐含波动对长期记忆性的预测进行了比较。
对长期记忆性产生的原因有不同的解释:一种是由投资者的偏好和市场情绪引起的,这种反应与有效市场假说不同,不能立即反映在股票价格上,产生的偏差会长期持续,偏差的长期积累导致了市场的长期记忆性;另一种则是波动产生过程中不同持续水平的基本信息聚合所造成的结构性变化
(四)波动的溢出效应
一个金融市场的波动不仅受到历史波动程度的影响,还可受到其他市场的波动程度的制约。这种市场之间的波动传导性,即收益率条件二阶矩的Granger因果关系,称为波动的溢出效应。考察不同市场间价格的波动性是否相互影响是金融市场研究的一个重要方面。
对溢出效应这一现象的描述,Ross(1989)指出波动变化是由市场间的信息流动所引起的,可以从波动的变化中推断出相关的信息。King,Wadhwani (1990)认为即使信息仅是对某个特定市场实用,市场间的信息流动也会使其他市场对该市场的事件过度反映。Engle,Ito,Lin(1990)将世界市场划分为四个主要的区域:日本区、太平洋区、纽约区和欧洲区,证实各区域之间存在波动传导性。King,Sentana, Wadhwani(1994)发现市场间的协方差仅有一小部分能够为利率汇率等基本经济因素所解释,不应该将经济因素的一致变动作为市场间收益率波动相关性的惟一解释因素。Jeong(1999),Brooks,Henry (2000)考虑了波动的非对称性问题,分别对美国、英国、加拿大三国及美国、日本、澳大利亚三国的股市进行了分析,同样证实了波动的传导性。利用多维ARCH—M模型,Hamao,Masulis,Ng(1990)研究了国际股票市场问的波动影响,检验发现在从纽约市场到东京市场,以及伦敦市场到东京市场的方向上存在着波动性的“溢出效应”。Chart,Chan,Karoyi (1990)也使用多维ARCH模型证实了期货市场的交易将会加剧现货市场的波动,同时发现现货市场对期货市场也存在波动传导。
Hung,Cheung(1995)发现,东南亚5个新兴市场(中国香港、韩国、马来西亚、中国台湾和新加坡)相互之间以美元计价的股票指数存在显著的Granger因果关系和协整效应,因此未达到区域内的市场有效性。Roca,Shepherd(1998)在对东南亚国家证券市场的分析中发现:菲律宾与中国台湾的证券市场间存在双向Granger因果关系,而与新加坡证券市场则表现为
单向Granger因果关系。Leong, Felmingham(2003)也证实,亚洲金融危机后日本与韩国、新加坡与韩国、中国香港与中国台湾以及新加坡与中国香港之间的股票指数均存在不同程度的双向Granger因果关系。
总的来说,对溢出效应的研究多以发达国家市场为对象。检验发达市场与发展中市场间的波动溢出效应的实证文献并不多。近年来,发展中国家金融市场取得了迅猛发展,市场规模不断扩展,资金流量不断增大,信息传导的有效性不断增强。同时随着国际金融一体化的不断深入,逐步解除了贸易壁垒的枷锁,与发达国家市场的联系也日趋紧密,检验发达市场于发展中市场之间的波动溢出效应也成为摆在金融研究者面前的重大课题。
(五)波动的非对称性
Black(1976)发现当前收益与未来波动之间存在着负相关,波动会因负面消息(实际报酬率低于预期报酬率)的出现而增加,并随正面消息(实际报酬率高于预期报酬率)的出现而减小,即杠杆效应。
Christie(1982)给出的解释是:负面消息使得企业产生了负的超额报酬,企业价值降低,提高资产负债比(debt—to一equity ratio),因此提高了公司的风险,投资者的持有风险增大,导致未来波动的增大。相反。
正面消息所带来的正的超额报酬使企业价值增加、财务杠杆比率降低,投资风险降低,股价收益率的波动性也随之减小。French,Schwert,stambaugh (1987),Campbell,Henstschel(1992)认为在股市上当前波动与未来收益是正相关的,提出了波动的反馈效应(volatility feed,back effect)。
为检验杠杆效应,Nelson(1991)采用非对称性的EGARCH模型来分析不同的消息对股票波动性的影响,模型利用分段线性产生了非对称的条件异方差,从而可以描述所谓“负债”的影响,验证了杠杆效应的存在。Cao,Tsay(1992)发现EGARCH对市值较小的股票能给出最好的波动预测。Zakoian(1994)最先提出了TARCH(threshold ARCH)模型,该模型假设新生量服从t分布,在条件方差中加入了名义变量,以区分正向信息和负向信息对波动的影响。
Glosten,Jagannathan,Runkle(1993)在GARCH—M模型中加入季节项(seasonal pattems)
来区分正、负冲击对股价波动的不同影响(称之为GJR—GARCH模型),并验证比较了不同的GARCH模型,证明该模型对杠杆效应的刻画具有良好效果,GJR—GARCH模型允许波动率对信息的反映为二次函数,但对好消息和坏消息有不同的系数,这个模型保留了当消息不存在时,波动率将会很小的论断。Engle,Ng (1993)利用日经指数1980—1988年的日交易数据,对其使用不同的GARcH模型,并设计了3个诊断非对称现象的统计量:偏误检验(sign bias test)、负符号偏误检验(negative sign bias test)以及正符号偏误检验(positive sign bias test)来检验波动是否具有不对称性。他们的实证结果表明,GJR—GARCH模型对杠杆效应的刻画效果是最优的。
Ding,Granger和Engle(1993)提出了一个不对称的GARCH模型,即APARCH模型(asymmetric power ARCH),APARCH模型具有一般GARCH模型的特点,但多了两个参数,其中一个参数就是用来捕捉股市中所存在的杠杆效应,因此,APARCH模型比GARCH模型具有更大的灵活性。Fornari,Mele (1997)系统地研究了杠杆效应,发现由于前期冲击大小的不同,杠杆效应会有不同的特征,即当前期冲击较大时,负冲击对未来波动的影响大于正冲击对未来波动的影响;而当前期冲击较小时,正冲击对未来波动的影响大于负冲击对未来波动的影响,是为非对称性反转效应(reversions in the asymmet ric behavior of the volatility)。他们还采用6个国家的股票市场数据使用不同的模型进行实证分析,结果显示其提出的VS—GARcH模型可以刻画不对称反转效应,并且要优于GJR—GARcH模型。
其他模型还包括Engle(1990)提出的非对称ARCH(asymmetric ARCH,AARCH)模型,Sentana (1995)的二次ARCH(quadratic ARCH,QARCH)模型和Chiang,Doong(2001)的TAR—GARCH模型等。
三、随机波动模型的研究进展
Taylor(1986)在解释金融收益序列波动的自回归行为时提出了随机波动(stochastic volatility)模型。
sV模型简明的特点使它与GARCH模型相比表现出很多优势,实践证明sV模型可以比较好地拟合金融数据,在金融分析、风险预测等方面有着广泛的用途。但是,在sV模型中波动变量是不可观测的隐变量(1atent variable),要得到精确的样本似然函数,是十分复杂和困难
的,这使得在金融资产波动的建模中sV模型远没有GARCH模型普及。
近年来,在随机波动性的模型估计方面已经取得了极大的进展。总的来说,估计方法基本分为两大类。第一类方法是用近似的或者模拟的方法构造模型的似然函数和无条件矩。包括拟最大似然估计(QML)、广义矩估计(GMM)、仿真最大似然估计(sML)、模拟矩估计(SMM)
Serensen(1997)提出了准最大似然估计(Quasi 等。Harvey et al.(1994)、Ruiz(1994)及Andersen,
ML)。将sV模型转换为状态空间形式,以正态分布作为扰动项渐进分布,采用卡尔漫滤波(Kalman filter)估计模型。Melino,Turnbull (1990)在汇率扩散模型中假设波动服从连续随机过程,运用广义矩估计(GMM)发现sV模型较好地拟合了实际数据。Andersen,Serensen(1996,1997),Duffle,Singleton(1993),Singleton(2001)对sV模型的广义矩估计也做了相应的研究。Danielsson, Richard(1993),Danielsson(1994)给出仿真极大似然方法(simulated ML),首先根据样本信息采用重要抽样模拟技术(importance sampling simulation)对隐含的波动随机过程进行仿真模拟,然后求出边际似然函数,其精度超过QML和GMM方法,但计算量很大。
Gallant,Tauchen(1996,1998)提出有效矩估计方法(EMM)。Gallant,Tanchen(1997)提出模拟矩估计(SMM)方法,该方法模拟耦合了一个辅助模型的似然方程。Danielsson(1994),Sandmann,Koopman (1998),Pit,Shephard(1997),Durbin,Koopman (2000)提出Monte Carlo极大似然(MCML)方法,采用不同的抽样方法对实际似然函数都能得到精确的估计,而且在线性状态空间形式下,通过改进也可对扩展sV模型进行估计。
另一类估计方法是基于贝叶斯原理的参数后验分布分析。Jacquier et al.(1994)采用蒙特卡罗马尔可夫链(MCMC)中的Gibb抽样方法来估计模型,该方法采用Metmpolis算法从模型参数和波动变量的联合分布中进行循环抽样,每一步得出一个参数的后验分布,等参数的后验分布序列收敛后,在进行若干回合的有效抽样并以此对参数进行统计推断。大量模拟表明,MCMC在估计参数上优于QML方法和MM方法(Chen et al.2000,Kim et al.1998,Stroud et
al.2001)。但McMc方法对计算能力的要求很高。
在基本sV模型中,误差过程被假定为正态分布,收益为零均值、无自相关平稳过程。这些假设在实践中很难取得理想效果。Hull,White(1987)引入连续sv模型,采用几何布朗运动将Black—Scholes公式推广到时变波动。Harvey,Shephard(1996)提出了非零相关sV模型。Kim et al.(1998)提出了用混合正态分布(mixture of normals)近似描述sV模型变换方程误差项
Morana (1998)提出的随机波动率模型具有类似弱GARCH模型解释的分布行为。Beltratti,
时间聚集性的性质,同时对市场的信息分布也做了一种灵活的处理。Watanabe(1999)提出了一个含解释变量的sV模型,等等。这些成果都是对基本SV模型的扩展。
sv模型的多元推广、变结构问题以及有效估计的简化问题成为sV模型未来研究的重点。Harvey et al.(1994),Kim et al.(1998)分别研究了GARCH与sV的联系与区别,他们认为这两类描述波动过程的模型可以通过一个共同的随机微分方程来表示,又利用似然比(LR)和贝叶斯因子等理论工具比较了这两类非嵌套式模型的区别。正如Bollerslev(2001)所言,ARCH模型、sV模型和GMM估计是过去20年内金融计量学发展中最重大的创新。
四、结束语
除本文主要介绍的ARCH族模型和sV模型以外,理论界研究较多的波动率模型还包括:非参数估计模型(Pagan,Sehwert 1990,West,Cho 1995),小波变换模型(Alex et al.1998,Yoshinori et al.2000,Tacksoo et al.2000),基于人工神经网络的模型(Hu, Tsoukalas 1999,Zumbach,Pictet,Masutti 2001,Engle ,Russell 1998),以及Boudoukh et al.(1998)的HY—Bird模型,Engle,Managaneli(1999)的CAViaR模型,Embrechtsetal(1997),Mcniel,Frey(2000)的尾部极值理论估计模型,等等。在波动率模型未来的研究中,超高频数据的分析、多元模型的建模和估计、无条件分布的厚尾性以及波动的长期记忆性都将成为研究的重点。
以下是赠送资料劳动合同，不需要下载后可以编辑删除～～
劳动合同
一、双方在签订本合同前，应认真阅读本合同书。本合同一经签订，即具有法律效力，双方必须严格履行。
二、本合同必须由用人单位(甲方)的法定代表人(或者委托代理人)和职工(乙方)亲自签章，并加盖用人单位公章(或者劳动合同专用章)方为有效。
三、本合同中的空栏，由双方协商确定后填写，并不得违反法律、法规和相关规定;不需填写的空栏，划上“,”。
四、工时制度分为标准工时、不定时、综合计算工时三种。
实行不定时、综合计算工时工作制的，应经劳动保障部门批准。
五、本合同的未尽事宜，可另行签订补充协议，作为本合同的附件，与本合同一并履行。
六、本合同必须认真填写，字迹清楚、文字简练、准确，并不得擅自涂改。
七、本合同(含附件)签订后，甲乙双方各保管一份备查。
甲方(用人单位): 乙方(职工):
名称: 姓名:
法定代表人: 身份证号码:
地址: 现住址:
经济类型:
联系电话: 联系电话:
根据(中华人民共和国劳动法》和国家及省的有关规定，甲乙双方按照平等自愿、协商一致的原则订立本合同。
一、合同期限
(一)合同期限
双方同意按以下第 种方式确定本合同期限:
1、有固定期限:从 年 月 日起至
年 月 日止。
2、无固定期限:从 年 月 日起至本合同约定的终止条件出现时止(不得将法定解除条件约定为终止条件)。
3、以完成一定的工作为期限:从 年 月
日起至 工作任务完成时止。
(二)试用期限
双方同意按以下第 种方式确定试用期期限(试用期包括在合同期内):
1、无试用期。
2、试用期从 年 月 日起至
年 月 日止。
(试用期最长不超过六个月。其中合同期限在六个月以下的，试用期不得超过十五日;合同期限在六个月以上一年以下的。试用期不得超过三十日;合同期限在一年以上两年以下的，试用期不得超过六十日。)
二、工作内容
(一)乙方的工作岗位(工作地点、部门、工种或职务)为
(二)乙方的工作任务或职责是
(三)甲方因生产经营需要调整乙方的工作岗位，按变更本合同办理，双方签章确认的协议或通知书作为本合同的附件。
(四)如甲方派乙方到外单位工作，应签订补充协议。
三、工作时间
(一)甲乙双方同意按以下第 种方式确定乙方的工作时间:
1、标准工时制，即每日工作 小时，每周工作
天，每周至少休息一天。
2、不定时工作制，即经劳动保障部门审批，乙方所在岗位实行不定时工作制。
3、综合计算工时工作制，即经劳动保障部门审批，乙方所在岗位实行以 为周期，总工时 小时的综合计算工时工作制。
(二)甲方因生产(工作)需要，经与工会和乙方协商后可以延长工作时间。除(劳动法)第四十二条规定的情形外，一般每日不得超过一小时，因特殊原因最长每日不得超过三小时，每月不得超过三十六小时。
四，工资待遇
(一)乙方正常工作时间的工资按下列第( )种形式执行，不得低于当地最低工资标准。
1、乙方试用期工资 元,月;试用期满工资
元,月(——元,日)。
2、其他形式:。
(二)工资必须以法定货币支付，不得以实物及有价证券替代货币支付。
(三)甲方根据企业的经营状况和依法制定的工资分配办法调整乙方工资，乙方在六十日内未提出异议的视为同意。
(四)甲方每月 日发放工资。如遇节假日或休息日，则提前到最近的工作日支付。
(五)甲方依法安排乙方延长工作时间的，应按(劳动法)第四十四条的规定支付延长工作时间的工资报酬。
(一)任何一方要求变更本合同的有关内容，都应以书面形式通知对方。
(二)甲乙双方经协商一致，可以变更本合同，并办理变更本合同的手续。
九、本合同的解除
(一)经甲乙双方协商一致，本合同可以解除。由甲方解除本合同的，应按规定支付经济补偿金。
(二)属下列情形之一的，甲方可以单方解除本合同:
1、试用期内证明乙方不符合录用条件的;
2、乙方严重违反劳动纪律或甲方规章制度的;
3、严重失职、营私舞弊，对甲方利益造成重大损害的;
4、乙方被依法追究刑事责任的;
5、甲方歇业、停业、濒临破产处于法定整顿期间或者生产经营状况发生严重困难的;
6、乙方患病或非因工负伤，医疗期满后不能从事本合同约定的工作，也不能从事由甲方另行安排的工作的;
7、乙方不能胜任工作，经过培训或者调整工作岗位，仍不能胜任工作的;
8、本合同订立时所依据的客观情况发生重大变化，致使本合同无法履行，经当事人协商不能就变更本合同达成协议的;
9、本合同约定的解除条件出现的。
甲方按照第5、6、7、8、9项规定解除本合同的，需提前三十日书面通知乙方，并按规定向乙方支付经济补偿金，其中按第6项解除本合同并符合有关规定的还需支付乙方医疗补助费。
(三)乙方解除本合同，应当提前三十日以书面形式通知甲方。但属下列情形之一的，乙方可以随时解除本合同:
1、在试用期内的;
2、甲方以暴力、威胁或者非法限制人身自由的手段强迫劳动的;
3、甲方不按本合同规定支付劳动报酬，克扣或无故拖欠工资的;
4、经国家有关部门确认，甲方劳动安全卫生条件恶劣，严重危害乙方身体健康的。
(四)有下列情形之一的，甲方不得解除本合同:
1、乙方患病或非因工负伤，在规定的医疗期内的;
2、乙方患有职业病或因工负伤，并经劳动能力鉴定委员会确认，丧失或部分丧失劳动能力的;
3、女职工在孕期、产期、哺乳期内的;
4、法律、法规规定的其他情形。
(五)解除本合同后，甲乙双方在七日内办理解除劳动合同有关手续。
十、本合同的终止
本合同期满或甲乙双方约定的本合同终止条件出现，本合同即行终止。
本合同期满前一个月，甲方应向乙方提出终止或续订劳动合同的书面意向，并及时办理有关手续。
甲方:(盖章) 乙方:(签名或盖章)
法定代表人:
(或委托代理人)
20 年 月 日 20 年 月 日
鉴证机构(盖章):
鉴证人:
鉴证日期:20 年 月 日
范文四：金融资产的含义和特征
分享： 2014-3-5 13:38:45东奥会计在线字体：大小
2014《财务成本管理》基础考点：金融资产的含义和特征
【小编导言】2014年注册会计师报名时间为3月31日至4月25日，现阶段进入2014注会基础备考期，是打牢基础的重要阶段，我们一起来学习2014《财务成本管理》基础考点：金融资产的含义和特征。
【内容导航】：
(一)金融资产的概念 (二)金融资产的特点
【所属章节】：
本知识点属于《财务成本管理》科目第一章财务管理概述第四节金融市场的内容。
【知识点】：金融资产的含义和特征
(一)金融资产的概念
金融资产是经济发展到一定阶段的产物，是人们拥有生产经营资产、分享其收益的所有权凭证。
【提示1】金融资产是以信用为基础的所有权的凭证，其收益来源于它所代表的生产经营资产的业绩，金融资产并不构成社会的实际财富。
【提示2】生产经营资产能产生净收益，金融资产不能直接产生收益，金融资产决定收益在投资者之间的分配。
(二)金融资产的特点
金融资产具有资产的一般属性，一是收益性，即预期可以产生回报，二是风险性，即预期回报具有不确定性。
金融资产与实物资产相比，具有以下特点：
1.流动性
一般说来，金融资产的流动性比实物资产强。
2.人为的可分性
3.人为的期限性
4.名义价值不变性
(三)金融资产的种类(按其收益的特征分)
责任编辑：龙猫的树洞
范文五：江苏省城镇居民家庭金融资产选择特征分析
江苏省城镇居民家庭金融资产选择特征分析 战神无敌 http://www.jsshuba.com/book/1/1992/index.html
摘 要:通过调查江苏省城镇居民家庭的金融选择，采用统计分析方法，研究表明:江苏省城镇居民家庭金融资产选择呈现出多样化特征，储蓄占较大比重;性别、收入水平、生命周期等因素对居民选择家庭金融资产产生多层次的影响。
关键词:城镇居民;家庭金融资产;金融资产选择特征
引言
家庭金融资产是居民家庭资产的重要组成部分。居民选择家庭金融资产的行为，不仅与资本市场的波动重要关联，又对居民家庭提高财产性收入和生活水平密切相关。家庭金融资产的发展涉及宏观微观多个层面并发挥重要作用。2006年，Campbell第一次提出将家庭金融作为一个新的金融研究的重点领域，随后对其的研究在国内外取得了突破性的进展。彭志龙(1998)、彭新育(2003)和李建军，田光宁(2001)从宏观层面研究居民选择家庭金融资产的行为，于蓉(2006)，邹红，喻开志(2010)从微观角度分析居民的金融资产选择行为。我国是一个区域经济发展差别较大的国家，不同地区居民家庭对金融资产的选择特征有很大不同。为了突出江苏省居民家庭金融选择特征的区域特点，本文用通过调查得来的微观数据，研究江苏省居民家庭金融资产结构的现状，并分析江苏省居民家庭金融资产的配置特征。这对于引导江苏省城镇居民家庭分配家庭金融资产具有非常重要的意义。
1.江苏省城镇居民家庭金融资产选择现状分析
1.1 问卷设计与数据来源
本文设计的调查问卷参考了北京奥尔多投资咨询中心的“投资者行为调查”、李心丹的“个体投资者问卷调查”等多个问卷，调查对象是江苏省18岁以上的城镇居民，问卷采用有目的的随机抽样的做法。2012-2013年共投放问卷1000份，实际回收821份，样本的回收率为82.1%。筛选的有效问卷一共705份，有效样本回收率为85.9%。分析有效样本的抽样结构可以看出，家庭的投资决策者男性多于女性，男性占比为64.80%，年龄只要是26-55岁的人群，被调查的居民以高中或中专以上的学历居多，超过50%的调查者具有本科以上受教育程度。超过一半的被调查者为已婚之家，家庭人口为3或4人，且家庭月收入在3000元-5000元之间的家庭为39.30%。从整体看，有效样本的调查结果基本服从正态分布的特征，抽样结构比较均匀合理。
1.2城镇居民家庭金融资产组合构成
图1 江苏省城镇居民家庭金融资产组合
从图1江苏省城镇居民家庭金融资产组合可以看出，金融资产结构中储蓄存款和现金的
比重最高，股票、基金等有价证券紧接其后，银行理财和保险类金融资产所占比重不高，债券的投资比重最小。储蓄存款是居民家庭的首要选择，所占比重是5120%，表明居民家庭金融资产最重要的部分是货币性资产，这因为其属于具有风险小、易变现特点固定收益类产品。浮动收益类金融产品股票占比为1272%，基金占比为988%，说明居民家庭对风险型金融产品的投资需求有所增加。保险在居民家庭金融资产中所占比重为543%，可能因其变现度差、投资期限长。由于居民家庭对理财产品了解较少和理财产品对投资者有最低的投资资金要求，居民家庭对理财这类固定收益类的产品投资比重较低，为385%。此外，债券占有家庭金融资产的投资比重为195%，包括黄金、外汇、期货等金融衍生品等在内的其他金融资产所占比重为65%，这与我国的金融衍生品和债券市场发展落后有关联。
2.江苏省城镇居民家庭金融资产选择的配置特征
2.1不同性别与城镇居民家庭金融资产
从表1可以看出，男性和女性对于家庭金融资产的首要选择都是储蓄，在对储蓄和股票两项金融资产的配置比例上有所不同，女性居民投资的储蓄资产比男性高约4%，男性配置的股票比女性高2.57%，可见女性风险偏好性较小，偏好投资套期保值的项目，男性偏好风险，为获得较高的收益更愿意承受较大的风险。男性和女性对于风险的偏好程度不同也可以从其他各项金融资产的选择上反映出来。
2.2不同年龄与城镇居民家庭金融资产分布
生命周期是分析家庭金融资产选择行为的一个重要变量。处于不同生命周期的家庭所考虑的未来的收入流、消费支出和由此产生的投资需求不一样。因此，经济人会根据自己在不同阶段的情况选取合适的投资组合，为家庭带来最大的收益和保障。这也是城市家庭资产选择行为相异性的一个重要原因。
从统计结果可以看出，储蓄存款在生命周期的各个阶段占有较大比重，股票、基金次之，理财产品、债券和保险的占比较小。从储蓄的配置来看，30岁以下和55岁以上的居民储蓄资产的投资比重较高，因为30岁以下的居民工作时间短，收入不稳定，加之处于家庭建立初期，面临买房或归还房贷的压力，所以储蓄是当务之急。而55岁以上居民退休后收入水平下降，老年人对未来的预期更加谨慎，但是医疗和日常生活需要支出，所以投资行为保守，储蓄存款成为必然选择。而对股票和基金的投资，从居民的整个生命周期来看，呈现出两头低中间高的“倒U”型趋势，居民在35-45岁阶段对股票和基金的持有比重达到最大值，分别为14.32%和12.35%。他们此阶段大多处于三口之家，家庭负担不重且收入稳定，具有较强的风险承受能力，可以充分利用手头的闲置资金尝试多样化投资方式，具有高收益特征的股票和基金对他们有较大的吸引力。对于保险的投资，基本表现出城镇居民随着年龄的增加不断提高投资比重的趋势，这与家庭理财规划师的建议基本一致，
即:随着年龄的不断增加，家庭应该减少投资高风险资产的比
例，提升保值保障性金融资产的投资比重。
2.3不同收入水平与城镇居民家庭金融资产分布
href="http://www.jsshuba.com/book/1/1992/index.html"
target="_blank">战神无敌
