發(fā)布時間：2018-02-01 16:32

  本文關(guān)鍵詞： 風(fēng)險測度 CVaR 高頻數(shù)據(jù) HAR-RV-GARCH模型 后驗檢驗　出處：《山東財經(jīng)大學(xué)》2013年碩士論文　論文類型：學(xué)位論文

【摘要】：在金融領(lǐng)域風(fēng)險是備受關(guān)注的永恒話題，對金融風(fēng)險的防范和管理已經(jīng)成為整個經(jīng)濟安全的核心。風(fēng)險測度是對風(fēng)險的定量分析及評估，是風(fēng)險管理的重要環(huán)節(jié)。本文以新興金融風(fēng)險測度CVaR為主要研究對象，介紹CVaR的基本原理及計算方法，同時結(jié)合上證指數(shù)和深證成指的日收益序列和五分鐘高頻收益序列，對我國證券市場的風(fēng)險進行度量。采用誤差服從正態(tài)分布、t分布和GED分布的GARCH模型估計低頻收益序列的波動率，HAR-RV模型和MIDAS模型對五分鐘收益計算得到的已實現(xiàn)波動率進行建模，并基于回歸結(jié)果將HAR-RV模型擴展為HAR-RV-GARCH模型，取得非常好的預(yù)測效果。得到條件方差的預(yù)測值之后，利用R軟件編程計算不同置信水平下的風(fēng)險測度值VaR和CVaR序列，通過后驗檢驗評價各類模型下VaR的有效性，同時將CVaR序列與VaR序列和實際損失序列對比分析，探討CVaR的優(yōu)越性，篩選出測量我國證券市場風(fēng)險的最優(yōu)模型。最后的結(jié)論是：無論是低頻波動率模型還是高頻波動率模型下的CVaR都比VaR有更高的測算精度，說明CVaR是一種比VaR更有效的風(fēng)險測度工具；高頻數(shù)據(jù)下的CVaR比低頻數(shù)據(jù)下的CVaR更穩(wěn)健、更有效，其中以HAR-RV-GARCH模型下的CVaR最為有效。
[Abstract]:Risk in the financial field is an eternal topic of concern, the prevention and management of financial risk has become the core of economic security. Risk measurement is the quantitative analysis and evaluation of risk. It is an important link of risk management. This paper introduces the basic principle and calculation method of CVaR, taking the emerging financial risk measure CVaR as the main research object. At the same time, combining the daily income series of Shanghai Stock Exchange Index and Shenzhen Stock Exchange Index and the five-minute high-frequency return series, the paper measures the risk of China's securities market and adopts the error clothing to follow the normal distribution. T distribution and GED distribution GARCH model estimates the volatility of low frequency return series. HAR-RV model and MIDAS model are used to model the realized volatility obtained from the five-minute income calculation. Based on the regression results, the HAR-RV model is extended to the HAR-RV-GARCH model, and the prediction results are very good. The risk measure values VaR and CVaR sequences of different confidence levels are calculated by using R software, and the validity of VaR under various models is evaluated by a posteriori test. At the same time, the superiority of CVaR is discussed by comparing CVaR sequence with VaR sequence and actual loss sequence. The final conclusion is that the CVaR under both the low frequency volatility model and the high frequency volatility model has higher accuracy than VaR. It shows that CVaR is a more effective risk measurement tool than VaR. The CVaR in the high frequency data is more robust and effective than the CVaR in the low frequency data, and the CVaR in the HAR-RV-GARCH model is the most effective.
【學(xué)位授予單位】：山東財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：F832.51;F224

【參考文獻】

相關(guān)期刊論文 前10條

1 林輝,何建敏;VaR在投資組合應(yīng)用中存在的缺陷與CVaR模型[J];財貿(mào)經(jīng)濟;2003年12期

2 顧胥,蒲勇健,雍少宏;風(fēng)險管理的CVaR法及其在銀行信用風(fēng)險度量中的運用[J];重慶大學(xué)學(xué)報(自然科學(xué)版);2004年11期

3 岳瑞鋒,李振東,楊曉萍;風(fēng)險管理的CVaR方法及其簡化模型[J];河北省科學(xué)院學(xué)報;2003年03期

4 葉華;王躍平;;VaR在商業(yè)銀行匯率風(fēng)險管理中的應(yīng)用[J];經(jīng)濟與社會發(fā)展;2007年02期

5 李成;馬國校;;VaR模型在我國銀行同業(yè)拆借市場中的應(yīng)用研究[J];金融研究;2007年05期

6 邵錫棟;殷煉乾;;基于實現(xiàn)極差和實現(xiàn)波動率的中國金融市場風(fēng)險測度研究[J];金融研究;2008年06期

7 任梅春;韓萍;;關(guān)于風(fēng)險度量方法VaR的文獻綜述[J];科技信息;2006年11期

8 劉曉星,何建敏,劉慶富;基于VaR-EGARCH-GED模型的深圳股票市場波動性分析[J];南開管理評論;2005年05期

9 徐永春;高岳林;;金融風(fēng)險管理的CVaR方法及實證分析[J];求索;2009年02期

10 張艷紅;袁博;左振釗;;金融風(fēng)險度量方法Var與CVar的實用性研究[J];商場現(xiàn)代化;2008年26期

相關(guān)博士學(xué)位論文 前1條

1 胡小平;La-ES與最優(yōu)變現(xiàn)策略模型研究[D];東南大學(xué);2006年

，

本文編號：1482313