上海股票市场系统性风险度量——基于分位数回归方法

上海股票市场系统性风险度量——基于分位数回归方法

ID:35036546

大小:3.21 MB

页数:52页

时间:2019-03-16

上海股票市场系统性风险度量——基于分位数回归方法_第1页
上海股票市场系统性风险度量——基于分位数回归方法_第2页
上海股票市场系统性风险度量——基于分位数回归方法_第3页
上海股票市场系统性风险度量——基于分位数回归方法_第4页
上海股票市场系统性风险度量——基于分位数回归方法_第5页
上海股票市场系统性风险度量——基于分位数回归方法_第6页
上海股票市场系统性风险度量——基于分位数回归方法_第7页
上海股票市场系统性风险度量——基于分位数回归方法_第8页
上海股票市场系统性风险度量——基于分位数回归方法_第9页
上海股票市场系统性风险度量——基于分位数回归方法_第10页
资源描述:

《上海股票市场系统性风险度量——基于分位数回归方法》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、-A?单位代码:1162520130043103学号:阁平欢始聲晚參参^CHINAYOUTHUNIVERSITYOFPOLITICALSTUDIES硕±学位论文上海股票市场系统性风险度量—基于分位数回归方法Syst:emicRiskMeasurementofShanghaiSf;ockMarketBasedonuantileReressionQgI原瑜芬研究生指导教师:钟德寿;经济学申请学位口类;数量经济学专业名称;计景经济学研究方向所在

2、部n:经济管理学院2016年6月2日*?■>;?\圓—I_独创性声明本人声.明所呈交的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。尽我所知,除了文中特别加yA标注和致谢的地方外,论文中不包含其他人己经发表或撰写过的研究成果,也不包含为获得中国青年政治学院或其它教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研究所做的任何贡献巧已在论文中作了明确的说明并衷示了谢意。研巧生签名:麻时间:八年^月1日女脊於关于论文使用授权的说明本人完全了解中圃青年政治学

3、院有关保留、使用学位论文的规定,即可;采学校有权保留送交论文的复印件和磁盘,允许论文被査喊和借阅,用影印、缩印或扫描等复制手段保存、汇编学位论文。同意中园或脊年部分政洽学院可W用不同方式在不同媒体上发表、传播学位论文的全部研内容。充生签名:昏诲^时间;年6月之日导师签名:樓每时间:年<巧7日研摘要随着市场经济的发展,证券市场也逐渐完善和多元化,各种各样的市场风险日益突出,证券市场的风险管理和控制也因此变得非常重要。股票市场作为证券市场的重要组成部分,其存在的风险也影响着市场的各个方面。所以,对股票市场风险的研究不仅

4、能够深入了解股票市场风险的特征和规律,而且有助于机构和投资者对市场风险进行合理的把控。在对市场风险研究中,传统的VaR方法是一种当前广泛使用的技术,然而传统的VaR方法存在一些与现实不符的假设,其在计算多期风险中有比较明显的局限性。早期的VaR模型假定金融时间序列是正态分布,而实际的金融序列数据大多存在“尖峰厚尾性”,并不服从正态分布;同时对于持有期为多期的VaR的计算,传统的计量模型中主要假设多期的VaR值与单期的VaR存在简单的线性关系,但由于金融时间序列的复杂性,实际也并非如此。为了更好对股票市场的风险进行度量我们需要采用限制条件更为宽泛的模型。本

5、文主要的研究方法是,基于传统的VaR方法,在综合考虑金融收益序列的“尖峰厚尾性”、有偏性和波动集聚性的基础上,将分位数回归半参数方法应用于风险价值(ValueatRisk,VaR)计量模型中,对上海股票市场的风险进行分析预测。具体研究过程如下:首先,选取1991年01月02日至2016年03月18日的上海证券综合指数每日收盘指数,共6166个样本,并计算得到不同持有期的收益率序列以便进行实证研究。其次,建立在正态分布(NormalDistribution,norm)、偏态分布(skewedNormalDistribution,snorm)、学生t分布(s

6、tudent-tDistribution,sstd)和有偏学生t分布(skewedstudent-tDistribution,sstd)假设下的GARCH模型,并用分位数回归计算VaR值,用Kupiec失败检验法对模型的估计效果进行检验。比较不同假设条件下的模型估计效果,得出一般性的结论。最后,运用拟合出的模型,对上海股票市场近期的风险进行预测,并简单讨论了预测的方法和预测效果。本文采用的模型,放宽了传统VaR模型中关于金融时间序列正态分布的假定,并在一定程度上验证了多期VaR与单期VaR之间并非简单的线性关系。实证分析发现分位数回归VaR模型对残差的模

7、型假设和分布形式不敏感,具有良好的普适性;持有期越长,模型的估计效果越差;置信水平的选择对模型拟合效果也有一定影响,模型在预测风险时具有良好效果。本文的创新之处在于:一是,现有文献多依据正态分布假定,这与实际情况不符。本文根据上海证券综合指数收益序列的分布特点,引入其他分布,对比研究,修正了原有VaR模型正态分布的局限性,同时考虑到了金融时间序列的“尖峰厚尾性”和有偏性,提高了VaR模型预测的精准度。二是,现有文献更多对单期风险情况进行研究,本文在模型中增加了持有期长短作为解释变量,用于计算多期VaR,并分析持有期长短对模型精准度的影响。三是,现有文献很

8、少提及如何采用VaR方法预测风险以及其预测效果如何,本文对实证研究得出的模型的预

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。