收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于极值理论的动态风险价值的研究

王庆晓  
【摘要】: 经济全球化、衍生产品的大量出现使得金融市场呈现出前所未有的波动性,金融市场的风险管理已尤显重要。风险价值(VaR)是金融风险管理中应用最广泛的一种工具,它简单地用一个分位数来衡量风险的大小。传统上,VaR的计算方法一般都要对金融收益服从哪种类型的分布进行假设,在这个基础上才能得到一定置信水平下的分位数值,然而假设的有效性是否能得到保证受到质疑,所以传统的VaR计算方法存在模型风险。 极值理论(EVT)作为次序统计学的一门分支,近年来已被广泛地应用于金融风险的定量分析中。它不同于传统VaR方法的是不需要事先假设样本的分布情况,而以样本极值为研究对象,建立总体分布尾部的模型。样本极值就是样本中超出偏离中心数值一定程度的数据,也就是发生超额损失的一些异常值。由极值理论得到总体分布的尾部特征后,给一特定的尾部概率,就能得到风险价值VaR。由于金融资产收益的厚尾分布,传统的VaR通常低估风险,而极值理论方法能更准确地估计风险。 极值理论给出了关于样本极值的极限分布与其本身的分布相互独立的一个最有用的结论——所有不同的样本分布都具有相同的极限分布,区别仅在于参数的不同。所以极值理论可以在总体分布未知的情况下,依靠样本数据,得到总体中极值的变化性质,建立极值模型,具有超越样本的估计能力。 本文对上海证券交易所的数据进行了实证分析。在对上证综合指数的实证分析中,发现金融时间序列除了具有厚尾性,还具有条件异方差性,即波动率具有不断变化地特征,并不是通常假设的方差恒定。异方差性违背了传统极值理论中样本时间序列具有独立性的假设。所以引入GARCH族模型消除时间序列的条件异方差性,得到具有独立同分布的样本数据,再采用极值理论计算其风险价值。 GARCH族模型认为收益率的方差可预测,条件方差不仅取决于最新的信息,也取决于以前的条件方差。GARCH族模型,为VaR的估计提供了更加有效的样本数据,它克服了样本时间序列之间的异方差性,得到符合我们假设的独立同分布的样本数据。由于GARCH模型采用了动态的条件均值和条件方差去计算VaR,也通常被称为动态VaR方法。 本文正是利用GARCH模型和极值理论去研究金融市场风险价值。借助Eviews软件对上证综合指数数据的进行分析,通过对极值动态VaR模型和一般的动态VaR模型计算结果比较,发现GARCH(1,1)-EVT模型较GARCH(1,1)-t模型在有效控制风险的同时能节省资金的投入,GARCH(1,1)-EVT模型更适合在高置信水平下的风险度量,在置信水平较高(99%以上)的情况下估计结果比较稳定。对GARCH族模型的极值理论VaR预测效果比较中,得到EGARCH(1,1)-EVT和GARCH(1,1)-M-EVT模型对收益分布的上尾部VaR预测结果好于GARCH(1,1)-EVT,其中GARCH(1,1)-M-EVT模型对上尾VaR的估计效果更好;而对下尾部VaR的预测三者效果相当。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 高伟生;赵昕东;;中美两国通货膨胀及其波动性关系的实证研究[J];亚太经济;2009年01期
2 韩琦;;基于VaR方法的开放式基金风险实证研究[J];全国商情(经济理论研究);2007年07期
3 王尚户;张崇岐;;基于均值-AVaR的投资组合均衡分析[J];广州大学学报(自然科学版);2007年06期
4 单国栋;;基于删失数据的广义Pareto分布的Bayes分析[J];长春大学学报;2008年08期
5 司继文,杨智勤,龚朴;广义Pareto分布下风险值估计[J];华中科技大学学报(城市科学版);2004年02期
6 郭卫娟;;基于有限数据的风险价值VaR的线性加权方法[J];湖北第二师范学院学报;2009年02期
7 王震;;风险管理分析工具发展历史综述[J];现代经济信息;2009年24期
8 杨春;徐军;张刚;;中美石油市场风险价值比较研究[J];常州大学学报(社会科学版);2010年04期
9 马文霞;;基于VaR修正理论的投资组合优化模型[J];价值工程;2010年05期
10 王宝森;梁奉;;基于CVaR的投资组合优化模型及实证[J];重庆工商大学学报(自然科学版);2010年03期
11 王宏涛;;基于GARCH族模型的中国股市通信板块收益率波动分析[J];沿海企业与科技;2010年12期
12 王安羽;;基于中国黄金期货市场数据的GARCH族模型拟合及波动率预测效果评价[J];有色矿冶;2011年05期
13 陶庆梅;;ANN-GARCH混合模型的理论尝试[J];工业技术经济;2005年09期
14 王金玉;李霞;程巍;;一种巨额赎回导致的开放式基金流动性风险测量[J];系统管理学报;2007年02期
15 汪飞星;刘萍;;基于极值理论的组合分布模型[J];统计与决策;2008年24期
16 刘金霞;韩立岩;;基于Bootstrap仿真的广义Pareto现金流风险分析[J];北京理工大学学报;2010年03期
17 王鹏;魏宇;;不同抽样频率波动模型的预测精度比较[J];管理学报;2010年08期
18 欧阳资生;;地质灾害损失分布拟合与风险度量[J];统计研究;2011年11期
19 刘晓,李益民;GARCH族模型在股市中的应用——深圳成分指数波动性研究[J];技术经济与管理研究;2005年05期
20 周心莲;;VaR模型回测的贝叶斯方法[J];中国水运(学术版);2006年11期
中国重要会议论文全文数据库 前1条
1 夏天;程细玉;;金融市场波动性预测的CARR类模型与GARCH类模型比较研究[A];科学发展观与系统工程——中国系统工程学会第十四届学术年会论文集[C];2006年
中国博士学位论文全文数据库 前1条
1 刘晶;极值统计理论及其在金融风险管理中的应用[D];天津大学;2008年
中国硕士学位论文全文数据库 前10条
1 王庆晓;基于极值理论的动态风险价值的研究[D];山东大学;2009年
2 石晶晶;基于极值理论的金融风险度量研究[D];河海大学;2007年
3 雍艳;石油价格波动性研究[D];厦门大学;2007年
4 顾琦云;通讯射频功率放大器产品研发和生产中的风险管理研究[D];复旦大学;2008年
5 马振华;基于极值理论的VaR计算方法研究[D];武汉理工大学;2009年
6 王莉;我国金融类上市公司的收益与风险分析[D];天津财经大学;2009年
7 王皓;极值理论在测度中国股市VaR中的应用与比较[D];浙江大学;2008年
8 鞠汉清;商业银行利率风险衡量与极值方法模型修正[D];浙江大学;2008年
9 夏冰;中国股票市场价格波动特征及影响机制研究[D];中国海洋大学;2007年
10 李平;我国金融市场风险价值(VaR)与CVaR的理论研究及应用[D];暨南大学;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978