基于MRS-GARCH的钢铁期货市场VaR风险测度

基于MRS-GARCH的钢铁期货市场VaR风险测度

ID:46291620

大小:1.44 MB

页数:3页

时间:2019-11-22

基于MRS-GARCH的钢铁期货市场VaR风险测度_第1页
基于MRS-GARCH的钢铁期货市场VaR风险测度_第2页
基于MRS-GARCH的钢铁期货市场VaR风险测度_第3页
资源描述:

《基于MRS-GARCH的钢铁期货市场VaR风险测度》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MRS—GARCH的钢铁期货市场VaR风险测度口罗健英陈宴祥陈粘(成都理工大学管理科学学院,四川成都610059)[摘要]针对中国钢铁期货市场波动率具有结构突变特征,使用MRS—GARCH模型对其波动率建模,并通过马尔科夫蒙特卡罗方法(MCMC方法)对模型参数进行估计,进而对钢铁期货市场进行VaR风险测度。结果表明:基于MCMC估计方法MRS—GARCH模型能够准确地刻画出钢铁期货市场波动率;MRS(3)一GARCH模型下VaR方法能够有效地测度钢铁期货市场风险。[关键词]MRS—GARCH模型;钢铁期货市场;MCMC方法;钢铁;VaR风险测度;期货市场[中图分类号]F830.93[文

2、献标识码]A[文章编号]1003—1154(2014)04—0092—03一、引言钢铁素有“工业粮食”之称,在建筑业、汽车制造业及国防等方面都有广泛的应用,中国是最大的发展中国家,对钢铁需求尤为巨大。而钢铁期货作为钢铁最新衍生品,具有越来越突出的地位。一旦钢铁期货市场发生风险,可能引起金融市场连锁反应,诱发更大的经济危机_lJ。因此,强化钢铁期货市场风险管理,对维护中国金融市场的稳定与发展都具有极为重要的意义。然而,在钢铁期货市场的风险管理中,风险测度方法尤为重要。VaR(ValueatRisk)方法,不仅能直观地描述出市场风险大小,还拥有较好的统计学理论作为支撑,因而得到广泛认可及应用。

3、另外,VaRJ2瓦险测度的关键是对波动率的有效刻画。长期以来,对波动率的研究都是以单机制波动模型为基础开展的,GARCH模型由于能够很好地描述出波动率的时变性、聚集性,因而具有广泛的适用范围’2o。钢铁期货市场由于受到金融危机、市场需求等影响,波动率可能出现结构突变而表现出多波动状态,而单机制波动模型无法准确刻画其波动率。而引入了马尔科夫机制转换(MarkovRegimeSwitching,MRS)的波动模型,能够有效地刻画出多波动状态㈦。因此,本文使用MRS与GARCH模型相结合的MRS—GARCH模型,对钢铁期货市场波动率进行建模分析,以刻画钢铁期货市场波动率。迄今为止,许多学者对MR

4、S的波动模型进行了研究。赵华等’4o使用MRS—GARCH模型对中国股市的波动率进行预测;郭名媛’5o进行关于MRS波动模型的应用研究。他ff3X寸MRS波动模型进行了详细分析,取得了较为显著的成果。此外,有许多学者对中国钢铁期货市场进行了研究。魏宇’6o运用GARCH族模型研究了上海钢铁期货市场波动率;程刚’7o分析了上海钢铁期货市场价格发现功能。由于中国钢材期货市场起步较晚,市场不成熟,对其研究还不是很充分,虽然已有研究都取得了较好的成果,但少有使用MRS的波动模型对钢铁期货市场进行研究。据此,本文应用VaR模型对钢铁期货市场进行风险测度,以期能够为投资者在风险管理和控制方面提供决策借

5、鉴。二、模型的构建(一)波动模型的构建设钢铁期货市场在第f天收盘价为P,,第f天的收益率定义为:1fpz\_。1“li』由于受金融危机等影响,钢铁期货市场结构发生明显变化而表现出多个波动状态,而单机制[基金项目]国家自然科学基金项目(71171025);四川省科技厅软科学研究计划项目(2014ZR0093).国目管理现代化波动模型不能准确地刻画其波动率。因此,Gray’8o将GARCH模型扩展为MRS—GARCH模型,有MRS—GARCH(1,1)模型为:‘Ij一2%+占£t=V∥7口:口::i.i.d(O,1)^等“∥∥“占:一hh一。(2)可知参数u;“、“;。拶;。及y;。都依赖于f

6、时刻波动状态S,=i(i=1,2,3),且各时刻状态S,是随机出现的,t时刻状态i向t+l时刻状萄的转移概率为仃。由于^一与状态和转移概率有关,即:^。=,1-1-,,((。三)2+^:)+吗。((。:)2+^三)+仃,,((。:?)2+h2)一(仃,,。:+仃。。。:+仃,,。三)一(3)对引入了MRS波动模型参数进行估计时,由于路径依赖的存在,使极大似然方法无法确保对参数估计的准确性。因此,DhimanE9]提出MCMC方法来估计模型参数。(二)VaR风险测度模型的构建JorionE”3对VaR研究发现,该风险测度方法不仅能直观地反映出市场风险的大小,而且还以主流金融经济理论为基础,因

7、而得到广泛的认可及应用。从而在置信水平oL下第t天的VaR风险测度满足如下表达式:1旷嘏:=M:+乏^:(4)其中,磊表示金融收益分布在oL水平下的分位数。三、VaR模型的检验方法对于金融风险测度来说,关键是测度的有效性。本文使用Back—testing方法对VaR模型进行检验。根据Christoftersen_11。的研究,构建一个依概率分布服从自由度为2的卡方分布条件统计量三R一该统计量不仅考虑了模型测度失败比率与假

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。