学位论文 > 优秀研究生学位论文题录展示

基于GARCH族和EVT模型的股市风险价值的比较研究

作　者: 郝凤华
导　师: 傅强
学　校: 重庆大学
专　业: 应用数学
关键词: VaR CVaR GARCH族模型极值理论(EVT)
分类号: F830.91
类　型: 硕士论文
年　份: 2009年
下　载: 214次
引　用: 2次
阅　读: 论文下载

内容摘要

随着经济全球化及投资自由化的日益加剧,金融市场风险导致各金融机构之间的竞争从原来的资源竞争逐渐转变为内部管理、业务创新、企业文化等方面的竞争,金融机构的风险管理成为现代金融企业管理基础和发展的基石。在这样的背景下,国外各金融机构格外注重金融风险的测定和管理。如何构建合适的模型以恰当的方法对风险进行测量是当前金融研究领域的一个热门话题。VaR方法作为当前业内比较流行的测量金融风险的方法,具有简洁、明了的特点,而在研究金融市场波动方面,GARCH族模型是一类极受欢迎的非线形金融时间序列模型。本文在对股市金融时间序列分布性质进行系统分析的基础上,运用VaR方法,用当前金融领域刻画条件方差最典型的GARCH模型及其几种最新衍生模型如EGARCH、PARCH等对两种风险值VaR和CVaR进行了研究,并利用上证指数1997.1.2-2008.5.23的数据,实证研究了股市的市场风险。论文主要结论包括:(1)分析上证综指对数日收益序列的统计特征,证明序列的分布具有尖峰厚尾的特征,并呈现出群集性效应和持久性;市场存在明显的杠杆效应,波动存在明显的非对称性,并且负的冲击带来的波动大于正冲击。(2)分别在正态分布、t-分布以及GED分布假设下建立GARCH模型族的动态风险价值的度量模型,证明在t-分布、GED分布对序列尾部特征的刻画明显优于正态分布,能刻画出收益厚尾的分布特征,并且EGARCH模型能捕捉股市的杠杆效应,即对正负干扰的不对称性,能更准确刻画股票的波动性,有优于GARCH模型的风险度量结果。(3)根据EVT模型也适合刻画资产收益的厚尾分布,选用POT方法建模,得到了另一种基于GARCH族模型和极值理论的VaR/CVaR有效动态风险度量方法,并利用Kupiec提出的LR统计量检验法对模型的结果进行了分析比较,证明在这种方法下,对上证股指风险的预测更为准确。(4)通过上证指数的实证分析,提出了相关政策建议。

全文目录

中文摘要  3-4
英文摘要  4-8
1 绪论  8-18
  1.1 问题的提出  8-10
  1.2 研究目的和意义  10-12
  1.3 国内外研究现状  12-16
    1.3.1 国外研究现状  12-15
    1.3.2 国内研究现状  15-16
  1.4 研究内容和方法  16
  1.5 研究的技术路线  16-18
2 VaR 方法及其计算方法综述  18-27
  2.1 VaR 和CVaR 方法  18-23
    2.1.1 VaR 方法  18-19
    2.1.2 CVaR 方法  19-20
    2.1.3 VaR 方法与CVaR 方法的优劣性  20-23
  2.2 风险价值的计算方法综述  23-27
    2.2.1 历史模拟法(HS)  23
    2.2.2 指数移动加权平均  23-24
    2.2.3 基于Risk Metrics 的混合正态模型  24-25
    2.2.4 ARCH 类模型  25
    2.2.5 蒙特卡罗模拟法  25-27
3 GARCH 类模型及极值理论(EVT)  27-36
  3.1 GARCH 类模型  27-29
    3.1.1 自回归条件异方差模型（ARCH 模型）  27
    3.1.2 GARCH（p , q ）模型  27-28
    3.1.3 指数GARCH 模型（即EGARCH 模型）  28
    3.1.4 Power ARCH 模型(即PARCH 模型)  28-29
  3.2 极值分布  29-34
    3.2.1 BMM 模型的理论基础  29-31
    3.2.2 POT 模型的理论基础  31-34
  3.3 几种分布介绍  34-36
    3.3.1 正态分布  34
    3.3.2 t 分布  34-35
    3.3.3 广义误差分布（GED 分布）  35-36
4 基于 GARCH 类-EVT 方法的 VaR/CVaR 研究  36-38
  4.1 极值分布下模型的建立  36
  4.2 模型的准确性检验  36-38
5 实证分析  38-55
  5.1 数据选取  38-39
  5.2 数据基本分析  39-42
    5.2.1 基本统计特征  39-40
    5.2.2 平稳性检验  40-41
    5.2.3 自相关检验  41
    5.2.4 异方差检验  41-42
  5.3 GARCH 类模型滞后阶数的选取  42-43
  5.4 各模型的参数估计  43-48
  5.5 模型的计算结果与分析比较  48-53
    5.5.1 VaR 的计算结果与分析  48-51
    5.5.2 CVaR 的计算结果与分析  51-53
  5.6 本章小结  53-55
6 结论  55-57
致谢  57-58
参考文献  58-63
附录  63

相似论文

求解Worst-case CVaR优化的光滑化算法及其应用,O224
Copula-EGARCH-核密度模型研究及应用,O211.3
基于VaR模型在标准型股票基金风险评估中的应用研究,F224
我国商品期货市场价格波动风险分析,F224
山东省金融发展与经济增长关系实证分析,F127;F224
基于VaR的上市公司财务风险评估指标体系构建及有效性分析,F832.51;F224
交通银行零售信用风险管理研究,F832.3
GARCH-VaR模型在我国ETF风险测量中的应用研究,F224
基于GREY-GARCH模型的中国股票市场量价关系研究,F224
VaR方法在股指期货风险度量中的应用研究,F224
第三方物流企业开展仓单质押业务的研究,F832.4;F224
入境旅游消费与山东经济增长关系的实证研究,F127;F224
江苏省金融发展与城乡收入分配差距的实证研究,F124.7;F224
中国外贸结构与产业结构的互动反馈机制研究,F121.3;F224
基于下偏度最小化贷款组合优化模型,F224
CAVG模型在汇率风险度量中的应用,F224
基于Copula-SV模型的我国股指期货期现套利及风险研究,F224
资本充足率对信贷及经济影响的实证研究,F832.4;F124
劳动力成本对中国制造业出口的影响,F424;F224
证券市场风险测量与修正,F832.51
新加坡内外分离型离岸金融市场的有效性研究,F832.6