基于GARCH模型及VaR方法的证券市场风险度量研究

基于GARCH模型及VaR方法的证券市场风险度量研究

ID:36728567

大小:522.16 KB

页数:10页

时间:2019-05-14

基于GARCH模型及VaR方法的证券市场风险度量研究_第1页
基于GARCH模型及VaR方法的证券市场风险度量研究_第2页
基于GARCH模型及VaR方法的证券市场风险度量研究_第3页
基于GARCH模型及VaR方法的证券市场风险度量研究_第4页
基于GARCH模型及VaR方法的证券市场风险度量研究_第5页
资源描述:

《基于GARCH模型及VaR方法的证券市场风险度量研究》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、第28卷第11期Vol128,No1112009年11月工业技术经济总第193期基于GARCH模型及VaR方法的证券市场风险度量研究12陈林奋王德全12(中国计量学院,杭州310018)(北京大学,北京102600)〔摘要〕本文运用GARCH类模型对上证指数和中证全债指数序列进行拟合分析,并估计了其多头和空头头寸的VaR值,得出如下主要结论:我国股票市场存在显著的非对称效应,而债券市场是否存在非对称效应并不明确;在度量VaR值时,除了模型种类的选择外,关键因素是分布假设和显著性水平的高低;在正态分布下,当置信水平较低时,

2、估计的VaR值能较好地刻画序列的尾部特征,但当显著性水平较高(如99%)时,估计的VaR值存在低估风险的情形;在t-分布和GED分布下,无论显著性水平的高低,GARCH类模型均能很好地刻画序列的尾部特征;2003年以来我国债券市场的风险远小于股票市场。〔关键词〕GARCH模型VaR多头头寸空头头寸〔中图分类号〕F830〔文献标识码〕A[8]引言王美今和王华(2002)通过比较分析后认为t分布假定近年来,随着我国证券市场改革开放步伐的加大,下的GARCH模型较之正态分布能更好地描述厚尾性;陈[9]以及国际金融危机的爆发和迅

3、速蔓延,我国证券市场波守东和俞世典(2002)对沪深股市进行分析后认为t分动剧烈,使市场风险更加凸显,有效的风险管理手段和布和GED分布假定下的GARCH模型能够更好地反映市[10]方法愈加引起金融机构、监管部门及投资者的关注。风场的收益特性;陈守东等(2003)运用Granger因果检险管理的核心是基于波动率预测的风险度量,度量风险验和GARCH-M模型对沪深股市收益率及波动性进行相目前最流行的方法是VaR方法,而基于GARCH类模型关分析后认为,沪深股市的波动性表现出非对称的溢出[11]计算市场风险VaR值则逐步成为

4、市场的主流。本文在总效应;龚锐、陈仲常和杨栋锐(2005)、魏宇结国内外研究成果的基础上,对比分析GARCH类模型对[12](2007)分别使用了GARCH模型的一些扩展形式,分我国证券市场的适用性,在不同分布假设下进行了拟合析了GARCH模型的拟合优度及其应用,得出t-分布下分析及VaR值的度量和检验,探寻能较好刻画我国证券估计的VaR值过于保守,均高估了风险值;徐炜和黄炎市场收益分布及波动特性的模型及方法。龙等(2008)[13]比较研究了11种GARCH模型,得出了1相关研究评述Skewed-t分布能够较好地拟合金

5、融资产的厚尾特性;魏国内外理论及实证研究表明,GARCH类模型能较好[14]宇和高隆昌(2008)以上证综指和标准普尔500指数为地描述金融时间序列波动的动态变化特征,捕捉其聚类例,分析了正态分布、广义误差分布(GED)等4种条[1]和异方差现象。自Engle(1982)提出ARCH模型,并由件分布假设下的随机波动率模型,检验了不同分布假设[2]Bollerslev(1986)将其推广为GARCH模型以来,国内外下模型对实际市场波动率的刻画精度和适用范围。学者对GARCH模型进行了大量的扩展性研究,主要有在VaR的度量中

6、,一个重要的假定就是资产回报率GARCH、TARCH、EGARCH、PARCH和CARCH模型等。序列服从某种概率分布,实践中大量风险度量都假定为[3]Laurent和Peters(2002)还针对GARCH模型的应用编写正态分布,但大多数金融时间序列具有尖峰厚尾特征,了GARCH软件,促进了GARCH模型在度量波动率方面正态分布不足以反映金融时间序列的尾部特征,而VaR的发展。关于GARCH扩展模型的应用主要有Giot和Lau2方法预测出的风险值是从尾部的损益角度上来考虑的,[4]rent(2004)等。GARCH模型

7、还被引入金融风险管理领因此t分布和GED分布能较好地反映金融时间序列的尾[3]域VaR的度量中,Laurent和Peters(2002)、Engle和部特征,但由于不同的研究所选取的数据样本不同,计[5][6]Manganelli(2004)、Herzberg和Sibbertsen(2005)、Ri2算方法不同,分析的角度和重点也不一致,因此结论不[7]cardo(2006)等分别采用GARCH模型对VaR进行预测。尽一致。另外,金融资产的收益分布普遍具有非对称性收稿日期:2009—07—05基金项目:北京市教委人文社科

8、研究计划项目(项目编号:12210991805)—128—第28卷第11期Vol128,No1112009年11月工业技术经济总第193期δδδ质,资产持有者的多头头寸和空头头寸会具有明显不同σt=ω+α1(

9、at-1

10、-γ1at-1)+β1σt-1(5)的VaR值,本文将同时考虑股票市场和债券市场收益分其中,

11、γ1

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。