中小板证券市场VaR估计精度实证探究.doc

中小板证券市场VaR估计精度实证探究.doc

ID:50340010

大小:89.50 KB

页数:12页

时间:2020-03-08

中小板证券市场VaR估计精度实证探究.doc_第1页
中小板证券市场VaR估计精度实证探究.doc_第2页
中小板证券市场VaR估计精度实证探究.doc_第3页
中小板证券市场VaR估计精度实证探究.doc_第4页
中小板证券市场VaR估计精度实证探究.doc_第5页
资源描述:

《中小板证券市场VaR估计精度实证探究.doc》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、中小板证券市场VaR估计精度实证探究中小板证券市场VaR估计精度实证研究一、引言证券市场是高风险市场,是商品经济、信用经济高度发展的产物,是市场经济中的一种高级组织形态。这是因为证券价格具有很大的波动性、不确定性,并且是由证券的本质及证券市场运作的复杂性所决定的。因此,对证券市场风险的合理度量显得尤为重要。VaR(Value-at-Risk)作为风险度量方法,目前已成为金融机构、非金融企业和金融监管部门测量和监控市场风险的主流工具。但在实际运用中,由于数据抽样、假设条件、建模过程等影响,无论采用哪一种VaR方法都会产生一定的偏差。对于证券市

2、场而言,若VaR方法低估了实际的风险水平,则可能为投资者带来巨大的损失;若VaR方法过于保守,高估了实际的风险水平,可能会使得投资者丧失投资机会,损失部分资金的机会成本。可见,对于VaR方法,无论低估还是高估证券市场风险,都不利于投资者或监管机构进行风险管理。在运用VaR进行风险管理时,应注意所运用VaR模型的假设与限制,也即注意模型本身的风险。Beder(1995)针对参数方法,如RiskMetrics和加权移动平均法、历史模拟法、蒙特卡罗模拟法等进行研究比较,结果表明:虽然无法确定VaR的最佳估计法,但是实证研究中显示了这三类VaR估计

3、所面临的限制与问题。Jamshidian(1997)则认为证券报酬的非正态分布、政府经济政策的改变、市场发生的突发事件、资产流动性、与潜在的信用风险等,均会造成风险值低估。Panayiotisetal(2011)对基于尖峰厚尾收益分布的APARCH模型进行了估计,分析发现APARCH模型提高了多头和空头头寸的每日VaR预报精度另外也评估了拟然率计算的各个模型的表现。邹新月、吕先进(2003)从实际数据的基本特征出发,讨论了VaR方法在尖峰、胖尾分布中的计算公式结果表明,推广的VaR计算方法对证券市场风险预警有更可靠的揭示作用。郭柳、朱敏(2

4、004)运用VaR的基本方法对沪市十只股票进行了实证分析,同时对该十只股票的投资组合市场风险也做了进一步的测算。陈林奋、王德全(2009)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,结果表明,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。江涛(2010)计算上海股票市场日收益的VaR值时,表明了GARCH和半参数模型的VaR方法比传统的方法更有效,并较好地刻画了我国现阶段证券市场的市场风险o国内对于VaR及其度量方法的研究文献虽然较多,但对不同类型的VaR模型的

5、估计精度研究却不多。目前主要用于计算VaR的方法有三类:参数方法、半参数方法和非参数方法。各类方法中依据不同的假设可以建立不同的VaR模型。因此,在选择不同类型的VaR估计模型时,对不同类型的VaR模型估计精度的研究显得尤为重要。二、数据与研究方法1.数据的选取数据采用了深市综合指数日收盘价数据,时间为1990年12月19日至2005年12月31日,共3825个数据,之所以采用深市综指是为了避免个股各自表现的风险特殊性和片面性,也是为了能够合理评价各种估计模型变动性的需要。在3825个数据中,将2002P005年的共716个交易日数据作为V

6、aR估计的检验样本(需要说明的是,检验样本之所以没有选取2005年之后的数据,是由于在多种因素的影响下,我国股票市场在2005年后波动极为剧烈,属于特殊年份的数据,不宜作为VaR模型本身变动性的检验基础),并使用三类方法中的七种估计模型对VaR进行估计最后对模型估计的变动性和偏离程度进行实证评价。2、VaR估计模型这里以深市综合指数日收盘价格数据为研究对象,置信水平设置为95%和99%两种情形移动窗口选取50天、425天、250天以及500天四种情形(近似为两个月,六个月,一年和两年),使用参数方法(选用简单移动平均法(SMAX指数加权移动

7、平均法(EWMA)(三种参数设定)和GARCH族模型X半参数方毕业论文法(选用蒙特卡罗模拟法)以及非参数方法(选用历史模拟法)来估计2002,J2005年深市综合指数的每日VaR值,最后采用二重评价标准对三类VaR估计方法的模型变动性进行实证检验。文中主要用于计算VaR的模型简述如下。(1)参数类方法。参数类方法选取了简单加权移动平均法、指数加权移动平均方法和GARCH方法。%1简单加权移动平均法(simplywEightedmovingaverageapproaches,SMA)b其中:2j,t为第t天的股指收益方差,而j代表第j项资产;

8、T为移动平均的观测天数,亦即观察期间的长度:rt-1为第天的股指收益,j代表第j项资产;r:为第1天至第M天股指收益的平均值。%1指数加权移动平均法。其中:?滓2j,t为第t天的

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。