基于半参数GARCH与Copula函数对股市风险的CVaR研究

《基于半参数GARCH与Copula函数对股市风险的CVaR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、学校代码：10327学号：1120150504硕士学位论文基于半参数GARCH与Copula函数对股市风险的CVaR研究学院：应用数学学院专业：概率论与数理统计研究方向：应用统计与经济建模姓名：陈欣欣指导教师：孙春燕完成日期：2018年02月答辩日期：2018年05月RESEARCHONTHECVAROFSTOCKMARKETRISKBASEDONTHESEMIPARAMETRICGARCHANDCOPULACONNECTFUNCTIONADissertationSubmittedtoNanjingUniversityofFinanceandEconom

2、icsFortheAcademicDegreeofMasterofScienceBYChenXinxinSupervisedbyAssociateProfessorSunChunyanSchoolofAppliedMathematicsNanjingUniversityofFinanceandEconomicsMay2018学位论文独创性声明本论文是我个人在导师指导下进行的研究工作及取得的研究成果。论文中除了特别加以标注和致谢的地方外，不包含其他人或其它机构已经发表或撰写过的研究成果。其他同志对本研究的启发和所做的贡献均已在论文中作了明确的声明并表示了谢

3、意。作者签名：日期：学位论文使用授权声明本人完全了解南京财经大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其它复制手段保存论文。保密的论文在解密后遵守此规定。作者签名：导师签名：日期：南京财经大学硕士学位论文摘要建立合适的风险测度模型一直是金融研究中的重点及难点．本文以沪深300指数（CSI300）和香港恒生指数（HSI）的日收益率序列为研究对象，分别对两指数的波动率建立了半参数GARCH模型以及两指数的Copula-半参数GARCH模型，并在此基础上，分别

4、计算单一资产及资产组合的VaR和CVaR．本文一共分为六章，主要工作从三个层次展开．第一层次（第二章）：给出模型设定的理论基础与数据分析基础．理论基础包括GARCH模型、半参数GARCH模型、Copula函数及VaR和CVaR的相关理论；数据分析基础包括数据的选取、基本统计分析及统计特征检验．通过分析发现：数据的特征和半参数GARCH类模型的特性相吻合．第二层次（第三章和第四章）：在第一层次的基础上建立模型为计算VaR和CVaR提供模型准备．具体而言：第三章分别对CSI300和HSI建立半参数GARCH模型．依次将GARCH(p,q)模型形式中的p和q部

5、分用非参数形式代替，得到两种不同形式的半参数可加模型，并用两阶段迭代算法估计模型参数；采用四种预测误差值对模型检验．通过R语言实现得到：以p为非参数形式的半参数GARCH模型更优；通过参数估计结果得出CSI300的ARCH项系数α1=0.9214×10较小，表明该收益率序列的波动对冲击反应比较迅速，而HSI收益率序列的GARCH项系数β1=0.9212，大于CSI300收益率序列的系数β1=0.8501，说明该收益率序列对条件方差的冲击相对更持久．第四章是对两股市联合风险的Copula-半参数GARCH模型的建立．采用峰值法将数据分段，据AIC和BI

6、C准则选取二元正态Copula函数，得出两指数有较强的正相关关系．第三层次（第五章）：根据第二层次所构建的模型计算股市风险的CVaR．包括来自于上述两个股市的单一资产CVaR以及两资产组合的CVaR的计算．前者计算依据第三章所建的半参数GARCH模型，后者计算依据第四章所建立的Copula-半参数GARCH模型；并对VaR与CVaR的计算结果进行失败率返回检验；分别对样本内和样本外的VaR值进行估计与预测．通过检验发现：在99%置信水平下，CSI300的实际失败率大于所给定的期望失败率，而在95%置信水平下，资产组合和HSI的实际失败率均小于所给定的期望

7、失败率，说明CSI300取95%的置信水平更合适，而资产组合和HSI在99%的置信水平下更能准确地度量该市场风险．关键词：股市风险；半参数GARCH；Copula函数；波动率；CVaR；失败率检验I南京财经大学硕士学位论文ABSTRACTEstablishingasuitableriskmeasurementmodelhasalwaysbeenthekeyanddifficultpointsinfinancialresearch.ThisthesistakesthedailyreturnsoftheCSI300IndexandHSIIndexasther

8、esearchsample.Thesemi-parametricGARCHmod