2013年9月12日下午15时,来自德国帕德博恩大学的冯元化教授“半参数金融时间序列模型”专题系列讲座第一讲“若干半参数 GARCH 模型极其在金融风险分解中的应用”于邵逸夫科学馆513举行。36365线路检测中心|主頁欢迎您孙立新老师、张进峰老师、周洪涛老师等,以及我院硕士生与博士生参与了此次讲座。冯教授从对计量经济学的ARCH模型与GARCH模型的基本介绍开始了这次讲座,这两个模型在应用中有非常多的扩展形式,例如TGARCH(Threshold GRACH)模型,APARCH模型(Asymmetric Power ARCH)等,这些模型都可以对平稳回归序列进行很好的构建。由于变动的宏观经济环境所带来的规模函数的缓慢变动,金融回报率在现实中是非平稳的。正是为了解决这个问题,提出了半参数GARCH模型,由一个参数GARCH模型和非参数平滑来实现。不同的半参数GARCH模型可以解决很多重要的理论问题,也可以将金融风险进行分解。半参数GARCH模型也可以扩展到多元的情况下,来提高对资产组合或宏观经济风险的估计。基于半参数GARCH模型也可以提出更有效的政策建议。
2013年9月13日19时,冯教授进行了专题系列讲座的第二讲“用于分析高频金融数据的半参数 ACD及相关模型”。冯教授首先介绍了金融时间序列高频数据的特点,指出了高频数据在揭示金融市场微观结构和规律方面所具有的优势。由于高频数据不同于以往的宏观数据以年、月采样,而是以更加小的时间间隔如秒来取样,这样就能给我们更多的信息。比如就以股票在一天中的交易次数来说,往往会呈现出开盘和收盘附近交易较频繁,而在一天的中间交易次数较少的一种模式。继而冯教授从基本的ACD模型入手,介绍了自回归条件久期模型的建模思想,基本假设和其与GARCH模型的相通之处。为了解决高频数据所具有的特征模式,冯教授用局部非参数方法确定出高频数据的趋势,并用去趋势后的数据进行ACD模型拟合这样就是半参数ACD模型。在研究过程中冯教授创造性的提出了一种空间的高频数据研究方法,即同时将一天内的数据变化和几年内的数据变化放在一个平面内讨论作出三维图形。这样既可刻画一天之内的数据模式,也能看清楚一段时间内如金融危机对数据的影响。最后,冯教授提出了现有研究中存在的一些问题并对半参数ACD模型的广泛应用和高频数据未来的研究方向做了展望。
2013年9月17日9时,冯元化教授进行了第三讲“半参数长记忆金融时间序列模型的”。吴吉林老师主持了本次报告,孙涛、吴吉林、孙立新等老师参与了此次讲座。在本次讲座中,冯教授主要讲解了几类比较经典的金融时间序列的长记忆模型,并对现有的金融时间序列的分整模型进行改进和修正,并利用新建模型对多种长记忆性金融时间序列的均值和方差进行预测,对新建模型的预测精度和有效性进行比较研究,改进了相关模型的理论和应用价值。
冯元化教授在讲座过程中与老师、同学们进行了良好的互动,增加了对相关内容的了解与理解,拓展了今后的学术研究方向。
【文/刘阳荷 李洋 刘宗鹏 编辑/田川】