基于har族模型的大型商业银行跳跃风险研究

《基于har族模型的大型商业银行跳跃风险研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于HAR族模型的大型商业银行跳跃风险研究　　摘要：本文运用HAR-RV、HAR-CJ和HAR-CJN对中国工商银行、中国建设银行、中国银行和中国农业银行等大型商业银行的股票进行高频数据风险价值VaR建模，方法效果评定采用违反率和P值，MAE和MSE作为评价指标。研究结果显示：已实现波动率和持续样本路径方差在中国银行和中国农业银行的股票中较大，而在中国工商银行和中国建设银行中均较小；中国银行和中国农业银行在跳跃成分、持续时间和尺度均大于中国工商银行和中国建设银行；HAR-RV模型效果最差，HAR-CJ居中，HAR-CJN最好。　　关键词：HAR-RV；HAR-CJ；H

2、AR-CJN；风险价值　　中图分类号：F832.3文献标识码：A文章编号：1003-9031（2013）07-0018-06DOI：10.3969/j.issn.1003-9031.2013.07.04　　一、引言　　在金融领域当中，风险管理是非常重要的，特别是对于金融机构来讲，风险管理是机构安身立命之根本，而VaR为特定的投资组合提供了很好的风险度量。Var是指在正常的市场环境下，在一定的持有期内和一定的置信水平下可能的最大损失。随着计算机技术和通讯技术的进步，采集和存储更高频率的金融数据已经成为了可能，在这种情况下产生了已实现波动，采用高频数据对金融波动进行研究更

3、能充分利用金融市场价格运动中的信息，有助于对金融波动的估计和建模。　　已实现波动率在高频数据建模中起到了越来越重要的作用，施红俊和陈伟忠（2005）利用已实现波动率对广义自回归条件异方差类模型的波动率模拟效果进行了检验，发现该模型的波动率度量精度略胜一筹，但也只能解释一小部分收益率的变动[1]。郭名媛和张世英（2006）采用“已实现”波动作为新的波动度量方法在上海股票市场和深圳股票市场的高频金融数据对两个股票市场的波动的持续性和协同持续性进行了实证研究[2]。马玉林（2007）比较基于GARCH模型和已实现波动率模型的两种VaR预测结果，得到基于已实现波动率的VaR预

4、测效果显著地优于基于GARCH模型的VaR预测效果[3]。FulvioCorsia，StefanMittnik（2008）运用高频数据和非高斯分布对S&P500数据进行分析，结果显示已实现波动率改善了预测效果[4]。EricHillebrand，MarceloC.Medeiros（2010）对道琼斯23只股票进行分析，结果显示已实现波动率可以提高非线性模型的精度[5]。龙瑞和谢赤（2011）在日内高频信息环境下分别采用经典已实现波动率、已实现极差波动率和已实现双幂波动率等三类方法对沪深300股指期货的收益波动进行测度[6]。王良和冯涛（2012）基于“已实现”波动、跟

5、踪误差计算方法及Granger因果检验过程、VAR模型等对“已实现”波动率与跟踪误差之间进行了深入研究[7]。朱丹、刘艳和李汉东（2012）建立在高频金融时间序列基础上的已实现波动测度是资产价格过程中隐含波动的一致估计量，证明了已实现双幂变差波动测度是比已实现波动更有效的波动估计量[8]。ManabuAsai和MichaelMcAleer（2012）通过蒙特卡洛方法对S&P500数据整体波动中的已实现波动误差进行了分析[9]。　　对HAR模型研究相对已实现波动率较少，Ray，S，Savin，N.E（2008）将HAR模型和Fama模型结合起来对道琼斯五年和十年的数据进

6、行了预测[10]。FrancescoAudrino（2010）介绍了运用HAR模型估计和预测S&P500和30年国债已实现波动之间的关联[11]。Her-JiunSheu（2011）通过HAR模型计算出的台湾股市结果达到了最佳的夏普比率[12]。YIN（2012）运用基于实现波动率的跳跃模型HAR-RV对中国八只股票进行了分析，结果表明发展中国家的股票跳跃比发达国家要大[13]。DimitriosP.Louzis，SpyrosXanthopoulos（2012）将HAR模型运用于不同频率对股市的不同正负冲击[14]。国内研究HAR模型的就更少，张小斐和田金方（2011

7、）构建了已实现波动率的HAR-L-M计量模型，实证分析结果显示，中国市场的异质程度要强于美国证券市场，同时个股更容易受多种异质驱动因素的影响，个股稳定性要比股指差[15]。西村友作和孙便霞（2012）以上证综指、恒生指数以及S&P500指数的日内高频数据作为研究对象，采用跳跃显著性检验方法和扩展HAR模型，对波动跳跃特征进行了实证研究[16]。　　对HAR-CJ和HAR-CJN的研究，国内还没有涉及，本文主要运用HAR-RV、HAR-CJ和HAR-CJN对中国工商银行、中国建设银行、中国农业银行和中国银行的股票数据进行建模，并且对实证结果进行分析。