资源描述：
《基于分位数回归模型的沪深股市风险测量研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第37卷第3期中国矿业大学学报Vol.37No.32008年5月JournalofChinaUniversityofMining&TechnologyMay2008基于分位数回归模型的沪深股市风险测量研究王新宇,赵绍娟(中国矿业大学管理学院,江苏徐州221116)摘要:探讨了分位数回归理论相对于传统最小二乘回归模型在金融时间序列建模和风险测量方面的应用特点,分别采用滞后收益率、星期虚拟变量、滞后收益率的均值和方差作为解释变量的条件分位数回归模型,对1996-2004年期间中国沪深股市的在险价值(VaR)进行动态估计,实证研究了沪深市场存在的“VaR星期效应”行为,发现周内各日的V
2、aR水平呈现显著的非均一性,且VaR后验测试结果优于不对称自回归条件异方差模型.结果表明:分位数回归模型适用于金融时间序列厚尾数据在高置信水平下的VaR估计,是一个有效的半参数风险测量方法和认识市场风险变化模式的途径.关键词:分位数回归;风险测量;星期效应;在险价值中图分类号:F22417;F83019文献标识码:A文章编号:100021964(2008)0320416206QuantileRegressionBasedRiskMeasurementintheChineseStockMarketsWANGXin2yu,ZHAOShao2juan(SchoolofManagemen
3、t,ChinaUniversityofMining&Technology,Xuzhou,Jiangsu221116,China)Abstract:Financialtimeseriesaremodeledusingquartileregressiontheory.Thesemodelsarecomparedtoaleastsquaresregressionmodelintermsofriskmeasurement.ThreeconditionalquantileregressionmodelswereusedondynamicallyforecastValuesatRisk(Va
4、R).Thethreemodelsusedlaggeddailyreturns,weeklyvirtualvariablesandlaggedmeansanddeviationofreturnasthepredictorvariables.ThedataweretakenfromChinesestockmarketrecordsoverthe1996to2004period.IntheempiricalresearchtheweekeffectonVaRintheChinesestockmarketisinvestigated.Theresultsshowthatdailymar
5、ketriskpresentstypicalnon2uniformityinaweek,andthatthequantileregressionmodelissuperiortotheAPARCHmodelduringback2testing.ThequantileregressionapproachestimatesVaRforheavy2tailedfinancialtimeseriesatahighsignificancelevel.Quantileregressionalsoprovedtobeaneffectivesemi2para2metricapproachform
6、easuringmarketriskandforexploringcomplexpatterns.Keywords:quantileregression;riskmeasurement;weekeffect;valueatrisk在金融领域中,在险价值(valueatrisk,VaR)的分析方法中必须假设市场因子的概率分布形式,已经被公认为标准的风险测量指标,尽管近年来学用计量经济模型描述市场因子的波动性.而极值理者逐渐认识到VaR在理论上不是一致性风险测量论对此假设作了一定程度的放松,即不必限定收益指标,但由于其概念清晰、操作方便在金融机构的分布形式,仅关心分布的尾部进而对风险
7、进行测风险管理实践中得到广泛应用.通常在VaR估计量.在风险测量的半参数方法方面另一个重要的进收稿日期:2007207213基金项目:国家自然科学基金项目(70601032);江苏省青蓝工程骨干教师资助项目作者简介:王新宇(19742),男,江苏省徐州市人,副教授,管理学博士,从事金融计量学、金融风险管理等方面的研究.E2mail:wxy_cumt@163.comTel:0516283885613©1994-2009ChinaAcademicJournalElectronicPu
