金融資產(chǎn)的風(fēng)險價值（VaR）是指在既定的顯著性水平下,在一定時期內(nèi)資產(chǎn)可能發(fā)生的最大損失。在計算上可分為參數(shù)、半?yún)?shù)、非參數(shù)三種方法。本文主要研究了基于GARCH模型的參數(shù)估計法,假定金融資產(chǎn)收益率擁有特定的分布函數(shù),在參數(shù)估計法的分析框架下,單位時間內(nèi)金融資產(chǎn)的風(fēng)險價值等于資產(chǎn)收益率的分布函數(shù)在既定顯著性水平下的分位數(shù)、資產(chǎn)的期初價值、資產(chǎn)收益率方差三者的乘積。資產(chǎn)收益率方差估計的精度直接關(guān)系到資產(chǎn)風(fēng)險價值能否被準(zhǔn)確計算。由于GARCH模型能夠較好的捕捉金融資產(chǎn)收益率的波動特征,文中使用GARCH模型對資產(chǎn)收益率的方差進(jìn)行建模、估計和預(yù)測。在GARCH模型的估計方面,有傳統(tǒng)的極大似然法（ML）和基于貝葉斯原理的馬爾科夫鏈蒙特卡羅模擬算法（MCMC）。極大似然法通過求解似然方程得出參數(shù)的點(diǎn)估計結(jié)果,由于似然方程的非線性性質(zhì),求解似然方程往往需要迭代求解,當(dāng)參數(shù)空間維數(shù)較大時,迭代過程可能非常耗時且得到的解可能是局部最優(yōu)值而非全局最優(yōu)值。貝葉斯方法避開傳統(tǒng)優(yōu)化方法的局限,將參數(shù)的先驗信息與似然函數(shù)相結(jié)合得到參數(shù)的后驗分布,將參數(shù)估計引入概率論的分析框架中,該方法能夠得到模型參數(shù)的區(qū)間估計... 

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
引言
1 緒論
    1.1 選題背景及意義
    1.2 文獻(xiàn)綜述
        1.2.1 國外對金融風(fēng)險的研究
        1.2.2 國內(nèi)對金融風(fēng)險的研究
        1.2.3 貝葉斯方法文獻(xiàn)回顧
    1.3 研究內(nèi)容
    1.4 研究思路及方法
    1.5 重點(diǎn)及可能的創(chuàng)新點(diǎn)
2 金融風(fēng)險管理
    2.1 金融風(fēng)險定義
    2.2 金融風(fēng)險分類
        2.2.1 系統(tǒng)性風(fēng)險
        2.2.2 非系統(tǒng)性風(fēng)險
    2.3 金融風(fēng)險測度
        2.3.1 金融風(fēng)險測度VaR
        2.3.2 VaR的計算方法
    2.4 VaR模型的后驗測試
        2.4.1 后驗測試的意義
        2.4.2 后驗測試的失敗率檢驗法
3 貝葉斯原理
    3.1 貝葉斯公式
        3.1.1 貝葉斯公式的事件形式
        3.1.2 貝葉斯公式的隨機(jī)變量形式
    3.2 先驗分布的確定
        3.2.1 無信息先驗分布
        3.2.2 共軛先驗分布
        3.2.3 多層先驗分布
        3.2.4 經(jīng)驗先驗分布
    3.3 貝葉斯計算
        3.3.1 馬氏鏈蒙特卡羅(MCMC)
        3.3.2 Gibbs Samplings
        3.3.3 Metropolis-Hastings Samplings
        3.3.4 MCMC收斂性診斷
4 貝葉斯原理的風(fēng)險價值計算
    4.1 Bayesian-GARCH-N-VaR模型
        4.1.1 GARCH-N模型
        4.1.2 GARCH模型估計方法
    4.2 Bayesian-GARCH-T-VaR模型
        4.2.1 GARCH(1,1)-T模型
        4.2.2 貝葉斯估計GARCH(1,1)-T
    4.3 實(shí)證分析
        4.3.1 描述性統(tǒng)計分析
        4.3.2 Bayesian-GARCH(1,1)模型估計
        4.3.3 模型后驗測試
    4.4 實(shí)證分析小結(jié)
5 總結(jié)
參考文獻(xiàn)
在學(xué)研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于GARCH模型的風(fēng)險價值蒙特卡羅模擬[J]. 陳磊,任若恩,張金寶.  系統(tǒng)工程. 2006(07)
[2]GARCH族模型計算中國股市在險價值（VaR）風(fēng)險的比較研究與評述[J]. 龔銳,陳仲常,楊棟銳.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2005(07)
[3]中國股市風(fēng)險CAViaR建模的穩(wěn)定性分析[J]. 黃大山,盧祖帝.  管理評論. 2004(05)
[4]VaR理論及其應(yīng)用研究[J]. 肖春來,宋然.  數(shù)理統(tǒng)計與管理. 2003(02)
[5]基于GARCH模型的VaR方法對中國股市的分析[J]. 陳守東,俞世典.  吉林大學(xué)社會科學(xué)學(xué)報. 2002(04)
[6]金融市場風(fēng)險測量模型——VaR[J]. 王春峰,萬海暉,張維.  系統(tǒng)工程學(xué)報. 2000(01)
[7]金融資產(chǎn)市場風(fēng)險的VaR計量法及其應(yīng)用[J]. 彭文德.  當(dāng)代財經(jīng). 1999(11)
[8]金融風(fēng)險管理的VAR方法及其應(yīng)用[J]. 鄭文通.  國際金融研究. 1997(09)

碩士論文
[1]基于MCMC-GARCH模型的股市收益率VaR估計研究[D]. 劉舒琪.哈爾濱工業(yè)大學(xué) 2015
[2]金融市場風(fēng)險測量模型—VaR及基于VaR的證券組合選擇[D]. 董李軍.浙江大學(xué) 2003



本文編號：3712508