基于MRS-GARCH的钢铁期货市场VaR风险测度-论文.pdf

《基于MRS-GARCH的钢铁期货市场VaR风险测度-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-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)～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

2、市场；MCMc方法；钢铁；VaR风险测度；期货市场[中图分类号]F830．93[文献标识码]A[文章编号]1003—1154(2014)04—0092—03GARCH模型，对钢铁期货市场波动率进行建模分析，一以刻画钢铁期货市场波动率。、引言迄今为止，许多学者对MRS的波动模型进行了钢铁素有“工业粮食”之称，在建筑业、汽车制造研究。赵华等使用MRS—GARCH~型对中国股市的业及国防等方面都有广泛的应用，中国是最大的发波动率进行预测；郭名嫒进行关于MRS波动模型的展中国家，对钢铁需求尤为巨大。而钢铁期货作为钢应

3、用研究。他们对MRS波动模型进行了详细分析，取铁最新衍生品，具有越来越突出的地位。一旦钢铁期得了较为显著的成果。此外，有许多学者对中国钢铁货市场发生风险，可能引起金融市场连锁反应，诱发期货市场进行了研究。魏宇运用GARcH族模型研更大的经济危机⋯。因此，强化钢铁期货市场风险管究了上海钢铁期货市场波动率；程刚分析了上海钢理，对维护中国金融市场的稳定与发展都具有极为铁期货市场价格发现功能。由于中国钢材期货市场重要的意义。起步较晚，市场不成熟，对其研究还不是很充分，虽然而，在钢铁期货市场的风险管理中，风险测度然已有

4、研究都取得了较好的成果，但少有使用MRS方法尤为重要。VaR(ValueatRisk)方法，不仅能直观的波动模型对钢铁期货市场进行研究。据此，本文应地描述出市场风险大小，还拥有较好的统计学理论用VaR模型对钢铁期货市场进行风险测度，以期能够作为支撑，因而得到广泛认可及应用。为投资者在风险管理和控制方面提供决策借鉴。另外，VaR风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二、模型的构建型为基础开展的，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

5、(一)波动模型的构建围】。钢铁期货市场由于受到金融危机、市场需求等设钢铁期货市场在第天收盘价为P，，第￡天的收影响，波动率可能出现结构突变而表现出多波动状益率定义为：态，而单机制波动模型无法准确刻画其波动率。而引：lnf旦P)=l叩，(1)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C3J。由于受金融危机等影响，钢铁期货市场结构因此，本文使用MRS与GARCH模型相结合的MRS—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

6、学基金项目(71171025)；四川省科技厅软科学研究计划项目(2014ZR0093)圈目管理现代化波动模型不能准确地刻画其波动率。因此，Gray将至2013~4月26日钢铁期货市场共931个日收盘价。GARCH模型扩展为MRS—GARCH模型，有MRS—表1钢铁期货市场收益率的描述统计量GARCH(1，1)模型为：(‘)I均值I标准差l偏度1峰度lLB(7)lJB统计量INOARCHl+fJ一79136e～04J0．0228J01194⋯J62233⋯J8】251⋯．8027⋯J5232】4⋯}注：十}表示

7、在1％置信水平下显著；JB为Jarque—Bera统计量；LB(7)为滞后期为7的：、／：．i．d(O，1)收益率平方的Ljung—Box统计量。^“：。”2_，+”h(2)从表1的钢铁期货市场收益率的描述统计量可可知参数、及。都依赖于时刻波动状知，钢铁期货市场收益率均值小于0；而偏度值明显态s=(1，2，3)，且各时刻状态是随机出现的，t时大于0，表明收益率分布呈现出右偏；从峰度值看，刻状态向f+时刻状态，的转移概率为仃分布明显存在尖峰特征；又由于JB统计量是对分由于^卜。与状态和转移概率有关，即：布进行正

8、态分布检验，结果表明收益率拒绝正态--q'r，，(()。+)+仃：：(()+)+分布；Ljung—Box统计量表示收益率序列无序列相关性；NoARCH统计量表明收益率序列存在明显的’、。7"1"33(rUtu+)一(丌，，十丌：u+仃，，“)‘_1]ARCH效应。(3)(二)模型参数估计与分析对引入了MRS波动模型参数进行估计时，由于本文对两状态和三状态的MRS—GARCH，以及路径依赖的存在，使极