本文關(guān)鍵詞：基于Bootstrap方法的金屬期貨市場風險測度VaR和ES的區(qū)間預測，，由筆耕文化傳播整理發(fā)布。

【摘要】：我國是一個發(fā)展中國家,對各種原材料尤其是金屬的需求量巨大。金屬價格由于易受各種因素的影響,其波動常常十分劇烈,而金屬價格的劇烈波動,不僅會使相關(guān)企業(yè)難以正常經(jīng)營,并且不利于國民經(jīng)濟的穩(wěn)定發(fā)展�；诖藳r,對我國金屬期貨市場的風險的準確測度具有重要的現(xiàn)實意義。本文基于Bootstrap方法和不同GARCH模型建立風險測度VaR和ES的置信區(qū)間,并利用擬合仿真對比分析了滑動窗寬法、正態(tài)分布模型、Bootstrap方法構(gòu)建風險測度VaR和ES置信區(qū)間的預測精度,仿真結(jié)果表明,Bootstrap方法構(gòu)建風險測度VaR和ES的置信區(qū)間具有最高的預測精度,這說明了本文方法的合理性。在實證分析部分,本文以上海期貨交易所銅、鋁兩種期貨指數(shù)為實證分析對象,對金屬期貨市場風險測度VaR和ES的預測區(qū)間問題做了研究。首先,對滬銅、滬鋁收益率序列進行描述性統(tǒng)計,我們發(fā)現(xiàn)滬銅、滬鋁收益率序列表現(xiàn)出了明顯的尖峰厚尾、波動聚集的統(tǒng)計學特征；其次,利用不同的GARCH模型計算滬銅、滬鋁兩種期貨指數(shù)風險測度VaR和ES,實證結(jié)果顯示,對于滬銅指數(shù)來說,GARCH-t模型具有最高的預測精度,對于滬鋁指數(shù)來說,GJRGARCH-t模型具有最高的預測精度。最后,本文基于Bootstrap方法和GARCH模型對上海期貨交易所滬銅、滬鋁兩種指數(shù)建立VaR和ES的預測區(qū)間,從區(qū)間寬度這個角度來看,對于滬銅指數(shù)來說,基于Bootstrap方法和GARCH-t模型建立的VaR置信區(qū)間的區(qū)間寬度是最小的,說明該方法建立的風險測度VaR和ES的置信區(qū)間具有最高的預測精度,對于滬鋁指數(shù)而言,基于Bootstrap方法和GJRGARCH-t模型建立的VaR置信區(qū)間的區(qū)間寬度是最小的,說明該方法建立的風險測度VaR和ES的置信區(qū)間具有最高的預測精度。盡管本文的研究方法可以豐富現(xiàn)有的風險管理理論,但是,我們認為今后還應對以下一些問題做重點研究：本文只是基于殘差Bootstrap方法和GARCH模型建立風險測度VaR和ES的預測區(qū)間,并沒有和其它Bootstrap方法建立的風險測度VaR和ES的預測區(qū)間進行對比,更沒有和基于殘差Bootstrap方法和其它類型的波動模型(如SV模型)建立的風險測度VaR和ES的預測區(qū)間進行對比,這些都將是我們以后的研究方向。
【關(guān)鍵詞】：Bootstrap VaR ES 預測區(qū)間
【學位授予單位】：西南交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F764.2;F724.5;F224
【目錄】：

• 摘要6-8
• Abstract8-12
• 第一章 緒論12-19
• 1.1 研究背景及意義12-13
• 1.2 相關(guān)問題的研究現(xiàn)狀13-17
• 1.2.1 VaR的研究現(xiàn)狀13-14
• 1.2.2 ES的研究現(xiàn)狀14-15
• 1.2.3 Bootstrap方法的研究現(xiàn)狀15-16
• 1.2.4 區(qū)間預測的研究現(xiàn)狀16-17
• 1.3 論文的結(jié)構(gòu)安排17-19
• 第二章 Bootstrap方法基礎(chǔ)19-24
• 2.1 非參數(shù)Bootstrap方法19-22
• 2.2 參數(shù)Bootstrap方法22
• 2.3 Wild Bootstrap方法22-24
• 第三章 基于GARCH類模型的VaR和ES的計算24-31
• 3.1 GARCH類模型24-25
• 3.1.1 ARCH模型24
• 3.1.2 GARCH模型24-25
• 3.2 VaR的定義及計算25-27
• 3.2.1 VaR的定義25
• 3.2.2 VaR的計算方法25-27
• 3.3 VaR的檢驗27-28
• 3.4 ES的定義及計算28-29
• 3.5 ES的后驗分析29-31
• 第四章 基于Bootstrap方法構(gòu)建VaR和ES的預測區(qū)間31-42
• 4.1 構(gòu)建VaR和ES的預測區(qū)間31-36
• 4.1.1 滑動窗寬法31-32
• 4.1.2 正態(tài)分布模型32-33
• 4.1.3 基于Bootstrap方法構(gòu)建VaR和ES的預測區(qū)間33-36
• 4.2 預測區(qū)間的評價方法36-38
• 4.3 擬合仿真38-42
• 4.3.1 對不同方法建立的預測區(qū)間的模擬40-41
• 4.3.2 對不同樣本分位數(shù)計算方法的模擬41-42
• 第五章 實證分析42-48
• 5.1 數(shù)據(jù)說明及描述42-43
• 5.2 VaR和ES的計算43-44
• 5.3 VaR和ES的檢驗44-45
• 5.4 VaR和ES的置信區(qū)間的建立45-48
• 第六章 總結(jié)與展望48-50
• 致謝50-51
• 參考文獻51-56
• 攻讀學位期間的研究成果56

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 羅健英;陳宴祥;陳粘;;基于MRS-GARCH的鋼鐵期貨市場VaR風險測度[J];管理現(xiàn)代化;2014年04期

2 楊愛軍;林金官;劉曉星;;基于廣義雙曲線分布的我國股票市場VaR風險度量研究[J];數(shù)理統(tǒng)計與管理;2014年04期

3 于文華;魏宇;淳偉德;;歐債危機環(huán)境中資產(chǎn)組合ES模型比較研究[J];中國管理科學;2014年05期

4 王鵬;宋陽;鹿新華;陳麗;;中國股票市場收益分布非對稱特征的Bootstrap檢驗[J];管理工程學報;2014年02期

5 周愛民;陳遠;;我國中小板市場在險價值量的實證研究——基于GARCH-VaR模型[J];南開大學學報(自然科學版);2013年03期

6 陶長琪;江海峰;;單位根過程聯(lián)合檢驗的Bootstrap研究[J];統(tǒng)計研究;2013年04期

7 高江;;藤Copula模型與多資產(chǎn)投資組合VaR預測[J];數(shù)理統(tǒng)計與管理;2013年02期

8 王鵬;鹿新華;魏宇;王鴻;;中國金屬期貨市場的風險度量及其Backtesting分析[J];金融研究;2012年08期

9 周瑩;焦建玲;;基于GARCH-VaR模型的石油價格風險研究[J];合肥工業(yè)大學學報(自然科學版);2011年09期

10 楊嫻;陸鳳彬;汪壽陽;;國際有色金屬期貨市場VaR和ES風險度量功效的比較[J];系統(tǒng)工程理論與實踐;2011年09期

  本文關(guān)鍵詞：基于Bootstrap方法的金屬期貨市場風險測度VaR和ES的區(qū)間預測，由筆耕文化傳播整理發(fā)布。

本文編號：382670