浅析上市公司使用金融衍生产品的现状及对策建议.pdf

财坛快语

Finance & Accounting

浅析上市公司使用金融衍生产品的

现状及对策建议

刘方方■

（一）上市公司使用金融衍生产品的模和上市公司的国际化水平。认识上的误区，厘清套期保值和“投机套现状（二）对策建议利”的区别，明确使用金融衍生产品的目目前上市公司使用金融衍生产品笔者认为，为了我国金融衍生产品的是有效锁定成本和规避风险，避免将

的深度和广度都较为有限，仍存在较大市场的长远发展以及公司的自身利益，金融衍生产品定位为“投机套利”产品。

的提升空间。以 2012 年数据为例，截至应鼓励有条件的上市公司参与到国内的 2. 积极引导非金融上市公司使用者2012 年年底，我国境内上市的所有非金金融衍生产品市场，合理使用金融衍生建立健全内部控制机制和风险管理制度

融上市公司（2 452 家）中，约有 7.50% 的产品来管理风险。具体来说，应从以下

方目前，大多数非金融上市公司的风

公司使用了金融衍生产品。其中，远期合面着手：险管理制度不健全，难以切实有效地对

约是使用较为广泛的金融衍生产品，其1. 加大推广宣传力度，鼓励非金

融金融衍生产品的相关风险进行防范和控

次是期货合约、互换（掉期）协议和期权上市公司参与国内金融衍生产品交易制。因此，要积极引导非金融上市公司使合约。平均来看，约有 3.87% 的非金融上目前，我国金融衍生产品市场的参用者建立健全内部控制机制和风险管理市公司使用了远期合约；约有 2.73% 的与者主要以商业银行等金融机构为主，制度，按照风险管理的有关要求，建立非金融上市公司使用了期货合约；使用而广大非金融企业由于对金融衍生产品和健全金融衍生产品交易的风险管理控

互换（掉期）协议和期权合约的非金融上不了解、认识存在误区等方面的原因尚

未制体系，分别从董事会（或专门的风险管

市公司比例分别占 1.96% 和 0.86%。经分直接参与交易。交易主体的单一容易使理委员会）、管理层、业务部门三个层面析发现，上市公司使用远期合约和期权市场需求同质化，限制了市场流动性的明确相应的权限和职责，建立金融衍生

合约主要管理汇率风险，使用期货合约提高。因此，应做好金融衍生产品的市

场产品交易的董事会审批制度，对运用金

主要管理商品价格风险，使用互换（掉期）宣传工作，吸引更多的非金融上市公司

参融衍生产品的业务进行监管；任何重大

协议主要管理利率风险。在实践中，某些与金融衍生产品交易，提高使用金融衍的交易和新的衍生产品交易都要经过董

上市公司会使用金融衍生产品的组合来生产品的上市公司数量和比例。同时，

对事会（或专门的风险管理委员会）的批准；

管理各种不同类型的风险，尤其是航空广大非金融上市公司而言，合理使用金董事会（或专门的风险管理委员会）应定公司，由于贷款购买飞机、航材、航油和融衍生产品管理风险对公司发展是有益期对现行的风险管理政策和程序的执行业务跨境导致其收入及成本包含多种货的。通过金融衍生产品的套期保值交易情况进行评价；负责金融衍生产品交易币等因素，航空公司通常会持有外汇远可以降低商品价格风险、汇率风险和利的批准、控制和执行的人员应分开，各司

期合约、燃油期货合约、利率互换协议等率风险，是公司应对经营风险、实现持

续其职，不能由一人兼任；董事会应聘请

来管理汇率风险、燃料价格风险和利率发展的有效途径。如：对以外贸为主的独立的专业机构对金融衍生产品业务的

风险等。公司使用金融衍生品的数量和上市公司而言，汇率的大幅波动可能导

致管理和控制进行定期的内部审计；提高

比例在不同的国家之间存在显著差别。其生产经营受到冲击，通过使用外汇远风险对冲操作水平，加强对金融衍生产以美国为例，大约有 63% 的美国公司使期等汇率衍生产品，可以有效锁定外汇品交易流程的监督和控制；加强对金融用了金融衍生产品，相比之下，我国上市兑换成本，降低汇率风险；对于具有浮衍生产品交易流程的现场监督，并实行

公司中使用金融衍生产品的公司比例偏动利率负债的上市公司而言，可以将浮

动定期轮换制度，降低违规行为发生的概

低，与发达国家差距较大，这与我国同期利率负债调整为固定利率负债，从而降率；建立有效的内部报告系统，及时向

的 GDP 规模和经济发展水平严重不符，低基准利率波动的风险。另外，公司应

充董事会（或专门的风险管理委员会）和管

制约了我国金融衍生产品市场的发展规分了解金融衍生产品的作用和功能，克

服理层报告有关金融衍生产品价值和风险

2015 11·财务与会

计51

财坛快语

Finance & Accounting

如何对被投资企业进行规范有效的管控

梅瑜■

对被投资企业实施管控一直以来术、市场、资源及管理团队。基于

不同的

的关注，主要包括商业模式、出资双

方责

是企业管理中面临的既重要又复杂的问重点关注内容，应对被投资企业进

行相

任、出资金额与方式、利润分配模

式等

题。对于以股权投资为主要业务的集团匹配的定位。单纯关注盈利能力

的，可以内容。

公司来说，对被投资企业实施规范有效将其定位于投资中心。如果对生产

能力、 3. 履行完出资手续后，相关部门应

的管控，更是实现以法治企、合规经营、技术水平、经营管理都需要较深的

介入，

及时取得长期股权投资的权益证

书，进

实现企业战略目标的核心与关键。笔者则可以将其定位于利润中心或成本

中心。

行登记存档，包括：进行股权登记

管理

在多年来的财务管理工作实践中，尤其（二）对投资实施全周期管理，

制定

并保存股权出资证明（原件）, 登

记内容

是在近期参与的对多家被投资企业财务相关制度，明确相关程序与部门职

责

包括被投资单位名称、投资款、占

被投

经营情况进行全面督导检查的过程中，投资的全过程可以分为投资前的

论

资单位股比、年度投资收益情况，

投资

对不同类型的被投资企业管控要点进行证分析审批环节、投资的实施环

节、投资

额增减变动情况。妥善保存被投资

公司

了一些梳理，主要包括以下方面：后持续经营监管环节、投资的处置

环节。

的公司章程，验资报告，接受股权

代表

（一）根据企业战略，明确投资目的，许多企业都制定了《股权投资管理

办法》

的书面工作报告和股东会、董事会

纪要、

确定投资定位来明确各环节的控制重点、审批权

限与

长期股权投资评价分析报告及有关

文件

投资管理的第一步是明确投资目

的，部门职责。其重点包括：资料。

进行准确的定位。应根据公司愿景与战1. 通常由公司发展规划部、财

务管 4. 由集团公司根据投资协议与章程

略，对投资的意图进行分类，一般而言，理部、法律部根据公司计划，组织

对长

通过法定程序委派被投资单位董

事、监

从大的方面可以分为是财务投资或战略期股权投资开展前期调研、经济论

证和

事、财务负责人及管理团队对被投

资企

投资。对于战略投资又可以按对被投资评审工作，并形成投资可行性研究

报告，

业进行持续管理。同时，明确集团公

司发

企业的管控授权程度细分为投资中心、经总经理办公会审核后，报集团公

司董

展规划部、财务管理部、审计部、人

力资

利润中心以及成本中心。事会审批，同时报送上级机关主管

部门。

源部对被投资企业持续经营中的管

理职

财务投资关注的是中短期投资回报2. 获得最终批复后，由发展规

划部、

责与工作程序。一般来说至少应包

括以

能力，被投资企业本身的盈利能力以及财务管理部、法律部根据批准后的

可行

下内容：发展规划部记录投资备查

登记

其盈利对母公司的分回现金能力或者母性研究报告制定投资实施方案和投

资合

簿，包括被投资单位的基本状况、

主要

公司将被投资企业股权较为便利进行出同，根据投资合同拟定公司章程。

投资

人员（董事长、董事、监事、总经理

和财

售变现的能力。相比财务投资而言，战略合同是后期被投资企业盈利模式及

股东

务负责人）的变动情况，取得投资时

被投

投资关注的方面要宽泛得多，除了获取各方议事规则的基础，对后期被投

资企

资企业各项资产信息，被投资企业

发放

利润回报外，还包括产业能力，获取技业的经营有着关键的影响，要给予

高度

股票股利的情况；财务管理部监督

控股

的信息。生产品相比，场内衍生产品具有条

款标

行平仓制度等，这些风险管理制度

和措

3. 合理使用场内金融衍生产品管理准化、结构简单、信息不对称程度

低、流

施有助于防止市场出现非理性波动

以及

风险动性高而易于平仓等优点。更为重

要的

违约风险的发生，切实保护交易双

方的

场内金融衍生产品是指在交易所内是，场内金融衍生产品在风险控制

方面

权益。因此，只要场内金融衍生产品

能够

达成交易的金融衍生产品。目前，我国的要优于场外金融衍生产品，绝大多

数场

满足公司管理风险的需求，则应尽

可能

场内金融衍生产品主要包括期货和标准内金融衍生品交易都建立了较为完

备、选择在场内进行交易。

化的期权，如商品类期货、沪深300 指数规范的风险管理体系，主要包括保

证金（作者单位：东北财经大学）

期货、5 年期国债期货等。与场外金融衍制度、价格限额制度、持仓限额制

度、强责任编辑刘黎静

52 财务与会计·2015 11

时间序列分析在金融市场价格波动分析中应用

时间序列分析在金融市场价格波动分析中应用

B 题 金融市场价格波动分析 摘要 本文基于),,(q d p ARIMA 模型以及GARCH 模型结合数据图法，自相关函数检验法，差分法，借助SAS 软件和views E 软件建立数学模型，针对金融市场特性与走势并检验金融指数序列的平稳性及波动性，分析不同金融市场的风险并进行拟合与预测，并对不同金融市场的波动溢出等问题进行了检验与分析，最后给出了结论。 对于问题一，我们直接运用数据图法对纽约道琼斯指数进行分析。通过运 用SAS 软件编程得到2012年纽约道琼斯连续两百天的收盘指数时序图，得出道琼斯指数呈现循环上升下降的特性，总体呈现上升的走势。 对于问题二，我们运用GARCH 模型与自相关函数检验法对道琼斯指数进行指数序列的波动性及平稳性检验。通过建立GARCH 模型并结合views E 给出了波动性检验表，最后得出了过去的波动对未来的影响是逐渐减小的结论。运用自相关函数检验法，用SAS 程序得出道琼斯指数序列的自相关图，通过对自相关图的分析，我们得出金融时间序列存在一定的非平稳性。 对于问题三，我们运用差分法对道琼斯价格指数进行平稳化处理和白噪声 检验。我们先对先对时间序列进行一阶差分运算，然后用SAS 画出时序图，判断出经过一阶差分后的时间序列为平稳的，并且用自相关函数检验法进行检验再次验证了一阶差分后的时间序列为平稳的，即完成了平稳化处理。 对于问题四，我们建立),,(q d p ARIMA 模型通过SAS 程序对道琼斯价格指数与上证指数进行拟合，然后进行了模型的适应性检验、参数的显著性检验和残

差的白噪声检验并且都通过了，最后对两个股市指数进行了未来五个时刻的预测并且给出了区域，预测效果比较好。 对于问题五，我们运用GARCH模型通过views E对道琼斯股市和上证股市两个市场的波动是否存在波动溢出进行了分析。通过对提取的条件方差GARCH01和GARCH02进行ranger G因果检验最后得出了两个股票市场不存在明显的溢出效应的结论。 关键词：金融指数自相关函数检验差分法) p d ARIMA模型SAS (q , , G因果检验 views E GARCH模型ranger 一.问题重述 2008年全球金融危机昭示了金融市场价格波动的严重后果。金融时间序列收益率序列的波动是动态变化的，是不可知，或可知但不可测。不同金融市场的波动还存在波动溢出。 请收集不同金融市场的指标数据（如上海、深圳、新加坡、纽约等地的股市指数）进行如下建模与分析： 1、单个分析金融市场的特性与走势 2、分析与检验金融指数序列的平稳性及波动性 3、根据价格波动性，进行平稳化处理 4、分析每个市场的风险，并进行拟合和预测 5、请讨论多个不同金融市场之间的波动溢出问题 二．问题分析

金融时间序列分析英文试题(芝加哥大学) (1)

Graduate School of Business,University of Chicago Business41202,Spring Quarter2008,Mr.Ruey S.Tsay Solutions to Midterm Problem A:(30pts)Answer brie?y the following questions.Each question has two points. 1.Describe two methods for choosing a time series model. Answer:Any two of(a)Information criteria such as AIC or BIC,(b)Out-of-sample forecasts,and(c)ACF and PACF of the series. 2.Describe two applications of volatility in?nance. Answer:Any two of(a)derivative(option)pricing,(b)risk management,(c)portfolio selection or asset allocation. 3.Give two applications of seasonal time series models in?nance. Answer:(a)Earnings forecasts and(b)weather-related derivative pricing or risk man-agement. 4.Describe two weaknesses of the ARCH models in modelling stock volatility. Answer:Any two of(a)symmetric response to past positive and negative shocks, (b)restrictive,(c)Not adaptive,and(d)provides no explanation about the source of volatility clustering. 5.Give two empirical characteristics of daily stock returns. Answer:any two of(a)heavy tails,(b)non-Gaussian distribution,(c)volatility clus-tering. 6.The daily simple returns of Stock A for the last week were0.02,0.01,-0.005,-0.01,and 0.025,respectively.What is the weekly log return of the stock last week?What is the weekly simple return of the stock last week?Answer:Weekly log return is0.03938; weekly simple return is0.04017. 7.Suppose the closing price of Stock B for the past three trading days were$100,$120, and$100,respectively.What is the arithmetic mean of the simple return of the stock for the past three days?What is the geometric average of the simple return of the stock for the past three days? Answer:Arithmetic mean=1 2 120?100 100 +100?120 120 =0.017.and the geometric mean is 120×100?1=0. 8.Consider the AR(1)model r t=0.02+0.8r t?1+a t,where the shock a t is normally distrib- uted with mean zero and variance1.What are the variance and lag-1autocorrelation function of r t? Answer:Var(r t)=1 1?0.82 =2.78and the lag-1ACF is0.8. 1

金融时间序列分析

《金融时间序列分析》讲义 主讲教师：徐占东 登录：https://www.wendangku.net/doc/aa17777876.html,徐占东《金融时间序列模型》 参考教材： 1．《金融时间序列的经济计量学模型》经济科学出版社米尔斯著2．《经济计量学手册》章节 3．《Introductory Econometrics for Finance》 Chris Brooks 剑桥大学出版社 4．《金融计量学：资产定价实证分析》周国富著北京大学出版社5．《金融市场的经济计量学》 Andrew lo等上海财经大学出版社6．《动态经济计量学》 Hendry著上海人民出版社 7．《商业和经济预测中的时间序列模型》中国人民大学出版社弗朗西斯著 8．《No Linear Econometric Modeling in Time series Analysis》剑桥大学出版社 9．《时间序列分析》汉密尔顿中国社会科学出版社10．《高等时间序列经济计量学》陆懋祖上海人民出版社11．《计量经济分析》张晓峒经济科学出版社 12．《经济周期的波动与预测方法》董文泉高铁梅著吉林大学出版社 13．《宏观计量的若干前言理论与应用》王少平著南开大学出版社14．《协整理论与波动模型——金融时间序列分析与应用》张世英、樊智著清华大学出版社 15．《协整理论与应用》马薇著南开大学出版社 16．（NBER working paper）https://www.wendangku.net/doc/aa17777876.html,

17．（Journal of Finance）https://www.wendangku.net/doc/aa17777876.html, 18．（中国金融学术研究网） https://www.wendangku.net/doc/aa17777876.html, 教学目的： 1）能够掌握时间序列分析的基本方法； 2）能够应用时间序列方法解决问题。 教学安排 1单变量线性随机模型：ARMA ; ARIMA; 单位根检验。 2单变量非线性随机模型：ARCH,GARCH系列模型。 3谱分析方法。 4混沌模型。 5多变量经济计量分析：V AR模型，协整过程；误差修正模型。

金融时间序列分析

金融时间序列分析 第一章绪论 第一节时间序列分析的一般问题 人们在日常生活和工作中会遇到大量的金融数据，如存款的利率、股票的价格、债券的收益等等， 例某支股票的价格。。。 如何从这些数据中总结、发现其变化规律，如何从这些数据中总结、发现其变化规律，从而预测或控制现象的未来行从这些数据中总结为，这就是时间序列分析这门课程所要研究的问题。 研究方式 数据建立模型预测 数据数据的类型。 横剖面数据：由若干现象在某一时点上所处的状态所形成的数据，称为横剖面数据，剖面数据，又称为静态数据。它反映一定时间、地点等客观条件下诸现象之间存在的内在数值联系。例如，上海证券交易所所有股票在某一时刻的价格；某一时刻全国各省会城市的温度，都是横剖面数据；研究方法：多元统计分析。纵剖面数据：由某一现象或若干现象在不同时点上的状态所形成的数据，称为纵剖面数据，纵剖面数据，又称为动态数据。它反映的是现象与现象之间关系的发展变化规律。例如，南京市1980 年至2005 年每年末的人口数；上海证券交易所所有股票在一年中每个周末收盘价，都是纵剖面数据研究方法：时间序列分析时间序列概念时间序列概念。时间序列：简单地说，时间序列就是按照时间顺序排成的一个数列，其中每一项的取值是随机的。严格的时间序列的定义需要随机过程的概念。设(, β , P ) 是一个概率空间，其中是样本空间，β 是上的σ -代数，P 是Copyright: Rongbao Gu, School of Finance, Nanjing University of Finance and Economics, 2006 金融时间序列分析上的概率测度。又设T 是一个有序指标集。概率空间(, β , P ) 上的随机变量{ X t : t ∈T } 的全体称为随机过程。随机过程。

金融时间序列实验报告

· 《金融时间序列分析》 综合实验二 金融系金融工程专业2014 级姓名山洪国 学号20141206031048 实验地点：实训楼B305 实验日期：2017.04，21 实验题目：ARIMA模型应用 实验类型：基本操作训练 实验目的： 利用美元对欧元汇率1993年1月到2007年12月的月均价数据，进行ARIMA模型的识别、估计、检验及预测。 实验容： 1、创建Eviews文件，录入数据，对序列进行初步分析。绘制美元对欧元汇率月均价数据折线图，分析序列的基本趋势，初步判断序列的平稳性。 2、识别ARIMA（p,d,q）模型中的阶数p，d，q。运用单位根检验（ADF检验）确定单整阶数d；利用相关分析图确定自回归阶数p和移动平均阶数q。初步选择几个合适的备选模型。 3、ARIMA（p,d,q）模型的估计和检验。对备选模型进行估计和检验，并进行比较，

从中选择最优模型。 4、利用最优模型对2008年1月美元对欧元汇率的月均价进行外推预测。 评分标准：操作步骤正确，结果正确，分析符合实际，实验体会真切。 实验步骤： 1、根据所给的Excel 表格的数据，将表格的美元对欧元的汇率情况录入到EViews9中，并对所录入数据进行图形化的处理，所得到的图形结果如下图所示。（时间段：1993.01至2007.12） 0.6 0.7 0.8 0.9 1.0 1.1 1.2 EUR/USD 分析图形数据可得，欧元对美元的汇率波动情况较为明显，其中在1999年至2003年期间欧元和美元的比值一度在1.0以上。但近些年以来，欧元的汇率一度持续下滑，到了2007年底的时候和和美元的比值在0.7左右。

金融时间序列分析复习资料全

一、单项选择题（每题2分，共20分） P61关于严平稳与（宽）平稳的关系； 弱平稳的定义：对于随机时间序列y t ，如果其期望值、方差以及自协方差均不随时间t 的变化而变化，则称y t 为弱平稳随机变量，即y t 必须满足以下条件： 对于所有时间t ，有 （i ） E （yt ）=μ为不变的常数； （ii ） Var （yt ）=σ2为不变的常数； （iii ） γj =E[y t -μ][y t-j -μ]，j=0，±1，,2，… （j 为相隔的阶数） （μ=0，cov （y t ，y t-j ）=0，Var （yt ）=σ2时为白噪音过程，常用的平稳过程。） 从以上定义可以看到，凡是弱平稳变量，都会有一个恒定不变的均值和方差，并且自协方差只与y t 和y t-j 之间的之后期数j 有关，而与时间t 没有任何关系。 严平稳过程的定义：如果对于任何j 1,，j 2，...,j k ,随机变量的集合（y t ， y t+j1,，y t+j2，…，y t+jk ）只依赖于不同期之间的间隔距离（j 1，j 2，…， j k ），而不依赖于时间t ，那么这样的集合称为严格平稳过程或简称为严平稳 过程，对应的随机变量称为严平稳随机变量。 P46 t X 的k 阶差分是；△ ｋ X t =△ ｋ-1 X t -△ ｋ-1 X t-1，△ 表示差分符 号。 滞后算子；P54对于AR ： L p y t =y t-p ，对于MA ：L ｐ εt =εt-ｐ AR （p ）模型即自回归部分的特征根—平稳性；确定好差分方程的阶数，则其特 征方程为：λp -α1λp-1 -α2λp-2 -…-αp =0，若所有的特征根的│λ│<1 则平稳 补充：逆特征方程为：1-α1ｚ1 -α2ｚ2-…-αp ｚp =0，若所有的逆特征根│ｚ│>1，则平稳。注意：特征根和逆特征方程的根互为倒数。 如：p57作业3： y t =1.2y t-1-0.2y t-2+εt ，为二阶差分，其特征方程为：λ2-1.2λ+0.2=0，解得λ1=1，λ2=0.2，由于λ1=1，所以不平稳。 MA(q )模型121.10.24t t t t X εεε--=-+，则移动平均部分的特征根----可逆性；p88 所谓可逆性，就是指将MA 过程转化成对应的AR 过程 MA 可逆的条件是其逆特征方程的根全部落在单位圆外， 即1+θ1ｚ 1 +θ2ｚ2+…+θp ｚp =0，│ｚ│>1， 此题q 为2，逆特征方程为：1-1.1ｚ+0.24ｚ2=0，

金融时间序列分析

Lecture Notes of Bus41202(Spring2010) Analysis of Financial Time Series Ruey S.Tsay Simple AR models:(Regression with lagged variables.) Motivating example:The growth rate of U.S.quarterly real GNP from1947to1991.Recall that the model discussed before is r t=0.005+0.35r t?1+0.18r t?2?0.14r t?3+a t,?σa=0.01. This is called an AR(3)model because the growth rate r t depends on the growth rates of the past three quarters.How do we specify this model from the data?Is it adequate for the data?What are the implications of the model?These are the questions we shall address in this lecture. Another example:U.S.monthly unemployment rate. AR(1)model: 1.Form:r t=φ0+φ1r t?1+a t,whereφ0andφ1are real numbers, which are referred to as“parameters”(to be estimated from the data in an application).For example, r t=0.005+0.2r t?1+a t 2.Stationarity:necessary and su?cient condition|φ1|<1.Why? 3.Mean:E(r t)=φ0 1?φ1

金融时间序列分析

中国海洋大学本科生课程大纲 一、课程介绍 1.课程描述（中英文）： 金融时间序列分析课程主要讲述时间序列分析方法在金融领域的应用，运用计量模型研究金融数据的特征，对金融市场主要指标进行分析、拟合及预测。课程内容包括：金融时间序列数据统计特征、线性平稳时间序列模型、波动率模型、非平稳时间序列模型、向量自回归模型等。通过课程学习，要求学生掌握金融时间序列数据的统计特征，金融计量的建模思想，能够利用这些理论方法并借助计算机软件对实际问题进行建模和分析，进而提升对数理金融知识的综合运用能力。 The course of financial time series analysis mainly focuses on the application of time series analysis method in the financial field. It applies econometric model to study the characteristics of financial data, and analyzes, fits and forecasts the main indicators of financial market. The course contents include: statistical characteristics of financial time series data, linear stationary time series model, volatility model, non-stationary time series model, vector autoregressive model, etc. Through the course study, students are required to master the statistical characteristics of financial time series data and the modeling idea of financial measurement, and be able to use these theoretical methods and computer software to model and analyze practical problems, so as to improve the comprehensive application ability of mathematical and financial knowledge. 2.设计思路： 本课程针对高年级金融学专业学生开设，旨在提升学生对于金融市场相关理论、统计建模及计算机软件的综合运用能力。课程内容的选取基于“学生掌握了概率统计及计量经济学相关内容”。课程内容包括理论介绍及案例分析，两个层面内容相辅相成。理论层面主要介绍金融时间序列数据统计特征、平稳及非平稳时间序列模型、波动率模型、向量自回归模型等；案例分析主要针对上述几大模块结合真实金融数据， - 1 -

金融时间序列分析

Chapter 1: Financial Time Series and Their Characteristics Data used in the text: (1) Daily log returns of IBM (62/7/3 to 97/12): d-ibmln.dat (2) Daily simple returns of value-weighted and equal-weighted indexes: d-vwew.dat (3) Daily simple returns of Intel stock: d-intc.dat (4) Daily simple returns of 3M stock: d-mmm.dat (5) Daily simple returns of Microsoft stock: d-msft.dat (6) Daily simple returns of Citi-group stock: d-citi.dat (7) Monthly bond returns (30 yrs, 20 yrs, ..., 1 yr): m-bnd.dat (8) Monthly Treasury rates (10 yrs, 5 yrs, ..., 1 yr): m-gs.dat (9) Weekly Treasury Bill rates: w-tb3ms.dat & w-tb6ms.dat Data sets for Exercises: 1. Log returns of Alcoa stock: d-aa9099.dat Log returns of American Express stock: d-axp9099.dat Log returns of Disney stock: d-dis9099.dat Log returns of Chicago Tribune stock: d-trb9099.dat Log returns of Tyco International stock: d-tyc9099.dat 2. Monthly log stock returns of five U.S. companies: Alcoa: m-aa6299.dat American Express: m-axp7399.dat Disney: m-dis6299.dat General Motors: m-gm6299.dat Hershey Foods: m-hsy6299.dat Mellon Financial Co.: m-mel7399.dat 3. See Alcoa stock returns in Problem 2. 4. See American Express stock returns in Problem 2. 5. See American Express stock returns in Problem 1. 6. Exchange rates of Canadian Dollar, German Mark, United Kingdom Pound, Japanese Yen, and French Franc versus U.S. Dollar: forex-c.dat Chapter 2: Linear Time Series Analysis and Its Applications Data sets used in the chapter: (1) U.S. quarterly growth rates of GNP: q-gnp.dat (2) Monthly value-weighted index returns: m-vw.dat (3) Monthly equal-weighted index returns: m-ew.dat

金融时间序列分析复习资料

金融时间序列分析复习资料

一、单项选择题（每题2分，共20分） P61关于严平稳与（宽）平稳的关系； 弱平稳的定义：对于随机时间序列y t ，如果其期望值、方差以及自协方差均不随时间t 的变化而变化，则称y t 为弱平稳随机变量，即y t 必须满足以下条件： 对于所有时间t ，有 （i ） E （yt ）=μ为不变的常数； （ii ） Var （yt ）=σ2为不变的常数； （iii ） γj =E[y t -μ][y t-j -μ]，j=0，±1，,2，… （j 为相隔的阶数） （μ=0，cov （y t ，y t-j ）=0，Var （yt ）=σ2时为白噪音过程，常用的平稳过程。） 从以上定义可以看到，凡是弱平稳变量，都会有一个恒定不变的均值和方差，并且自协方差只与y t 和y t-j 之间的之后期数j 有关，而与时间t 没有任何关系。 严平稳过程的定义：如果对于任何j 1,，j 2，...,j k ,随机变量的集合（y t ， y t+j1,，y t+j2，…，y t+jk ）只依赖于不同期之间的间隔距离（j 1，j 2，…， j k ），而不依赖于时间t ，那么这样的集合称为严格平稳过程或简称为严平稳 过程，对应的随机变量称为严平稳随机变量。 P46 t X 的k 阶差分是；△ ｋ X t =△ ｋ-1 X t -△ ｋ-1 X t-1，△ 表示差分 符号。 滞后算子；P54对于AR ： L p y t =y t-p ，对于MA ：L ｐ εt =εt-ｐ AR （p ）模型即自回归部分的特征根—平稳性；确定好差分方程的阶数，则其特征方程为：λp -α1λp-1-α2λp-2-…-αp =0，若所有的特征根的│λ│<1则平稳 补充：逆特征方程为：1-α1ｚ1 -α2ｚ2-…-αp ｚp =0，若所有的逆特征根│ｚ│>1，则平稳。注意：特征根和逆特征方程的根互为倒数。 如：p57作业3： y t =1.2y t-1-0.2y t-2+εt ，为二阶差分，其特征方程为：λ2-1.2λ+0.2=0，解得λ1=1，λ2=0.2，由于λ1=1，所以不平稳。 MA(q )模型121.10.24t t t t X εεε--=-+，则移动平均部分的特征根----可逆性；p88 所谓可逆性，就是指将MA 过程转化成对应的AR 过程 MA 可逆的条件是其逆特征方程的根全部落在单位圆外， 即1+θ1ｚ 1 +θ2ｚ2+…+θp ｚp =0，│ｚ│>1，

金融时间序列分析

第1章金融时间序列及其特征 金融时间序列分析考虑的是资产价值随时间演变的理论与实践.它是一个带有高度经验性的学科,但也像其他科学领域一样,理论是形成分析推断的基础.然而,金融时间序列分析有一个区别于其他时间序列分析的主要特点：金融理论及其经验的时间序列都包含不确定因素.例如,资产波动率有各种不同的定义,对一个股票收益率序列,波动率是不能直接观察到的.正因为带有不确定性,统计的理论和方法在金融时间序列分析中起重要作用. 本书的目的是提供一些金融时间序列的知识,介绍一些对分析金融时间序列有用的统计工具,从而使读者获得各种经济计量方法在金融中应用的经验 .第1章引入资产收益率的基本概念,并简要介绍本书所讨论的一些过程 .第2章回顾了一些线性时间序列分析中的基本概念,如平稳性、自相关函数,引入了一些简单的线性模型来处理序列的序列相关性,并讨论了带时间序列误差、季节性、单位根非平稳性和长记忆过程的回归模型.当存在条件异方差性和序列相关时,该章给出了协方差阵相合估计的方法 .第3章着重讨论了条件异方差性(资产收益率的条件方差)的建模,讨论了新近发展起来的用来描述资产收益率的波动率随时间演变的各种经济计量模型.该章还讨论了波动率建模的其他方法,包括使用高频交易数据和一项资产的日最高价格和日最低价格进行建模 .第4章讨论了金融时间序列中的非线性性,引入了能区别非线性序列与线性序列的检验统计量,并讨论了几个非线性模型.该章还介绍了非参数估计方法和神经网络,并且展示了非线性模型在金融中的各种应用 .第5章考虑的是高频金融数据的分析,市场微观结构的影响及高频金融的应用,阐明了不同步(或不同时)的交易和买卖价格间的跳跃可能带来股票收益的序列相关性.该章还研究了不同交易之间持续时间的动态规律和一些分析交易数据的计量经济模型 .第6章引入了连续时间扩散模型和伊滕(Ito)引理,导出了Black-Scholes期权定价公式,并应用一个简单的跳跃扩散模型来刻画期权市场常见的一些特征 .第7章讨论了极值理论、厚尾分布及其在金融风险管理中的应用.该章还特别讨论了计算金融头寸风险值(VaR)及金融头寸的预期赤字的各种方法 .第8章着重讨论多元时间序列分析和简单的多元模型,重点在于分析时间序列之间的交叉延迟关系.该章还介绍了协整、一些协整检验以及门限协整,并用协整的概念来研究金融市场中的套利机会,包括配对交易 .第9章讨论了简化多元时间序列动态结构的方法和降低维数的方法,并介绍和演示了3种因子模型来分析多个资产的收益率 .第10章介绍了多元波动率模型,其中包括带时变相关系数的模型,同时还讨论了怎样对一个条件协方差阵进行重新参数化,使之满足正定性的限制,并降低波动率建模的复杂性 .第11章介绍了状态空间模型和卡尔曼滤波,还讨论了状态空间模型和本书中所讨论的其他计量经济模型之间的关系.该章还给出了在金融方面应用的几个例子.最后 ,第12章介绍了统计文献中一些新近发展起来的马尔可夫链蒙特卡罗方法,并把这些方法应用于各种金融研究的问题,如随机波动率模型和马尔可夫转换模型的估计. 本书着重强调应用和实证分析.每章都有实际例子,很多时候经济计量模型的发展是由金融时间序列的实证特征来推动的.必要时,本书还提供了用来分析数据的计算机程序和命令.在某些案例中,程序已在附录中给出.书中各章的练习题也要用到很多实际数据. 1.1资产收益率 多数金融研究针对的是资产收益率而不是资产价格. Campbell, Lo和MacKin lay (1997)给出了使用收益率的两个主要理由：第一,对普通的投资者来说,资产收

金融时间序列实验报告

《金融时间序列分析》 综合实验二 金融系金融工程专业 2014 级姓名山洪国 学号 20 实验地点：实训楼B305 实验日期：，21 实验题目：ARIMA模型应用 实验类型：基本操作训练 实验目的： 利用美元对欧元汇率1993年1月到2007年12月的月均价数据，进行ARIMA模型的识别、估计、检验及预测。 实验内容： 1、创建Eviews文件，录入数据，对序列进行初步分析。绘制美元对欧元汇率月均价数据折线图，分析序列的基本趋势，初步判断序列的平稳性。 2、识别ARIMA（p,d,q）模型中的阶数p，d，q。运用单位根检验（ADF检验）确定单整阶数d；利用相关分析图确定自回归阶数p和移动平均阶数q。初步选择几个合适的备选模型。 3、ARIMA（p,d,q）模型的估计和检验。对备选模型进行估计和检验，并进行比较，从中选择最优模型。 4、利用最优模型对2008年1月美元对欧元汇率的月均价进行外推预测。 评分标准：操作步骤正确，结果正确，分析符合实际，实验体会真切。 实验步骤： 1、根据所给的Excel表格内的数据，将表格内的美元对欧元的汇率情况录入到EViews9中，并对所录入数据进行图形化的处理，所得到的图形结果如下图所示。（时间段：至）

0.6 0.7 0.8 0.9 1.0 1.1 1.2 EUR/USD 分析图形数据可得，欧元对美元的汇率波动情况较为明显，其中在1999年至2003年期间欧元和美元的比值一度在以上。但近些年以来，欧元的汇率一度持续下滑，到了2007年底的时候和和美元的比值在左右。 如上图所示，对前一张图的折线数据进行了相关性分析，由图中的Autocorrelation 可知此数据为拖尾情况，说明它是非平稳的。 再对此数据进行单位根检验，所得结果如上图所示。 其中单位根检验所对应的P 值为，远大于的显著性水平，因此可以说该序列是一个非平稳序列。 2、根据ARIMA 模型，对该序列进行一阶的单位根检验，如下图 由该图可知，对比前面的未一阶差分的单位根检验，此一阶差分的单位根检验P 值为0