本文選題：融資融券 + VaR　； 參考：《南京理工大學》2013年碩士論文

【摘要】：本文在選取融資融券的標的證券基礎上,討論了融資融券的保證金設置問題。保證金和擔保比例的設定是為了控制金融資產(chǎn)的風險,避免投資交易者的損失。文章首先討論了保證金設置時常用的風險控制模型,在對比了風險價格系數(shù)法、EWMA方法和VaR方法后選擇了VaR作為本文保證金設置的方法。 大量的實證研究表明VaR計算的核心是波動率,同時資產(chǎn)波動也是風險產(chǎn)生的主要原因。本文考慮了單個資產(chǎn)波動的SV模型、極值模型和GARCH模型,選擇了GARCH模型來擬合單個標的資產(chǎn)的波動,其中殘差項分布分別滿足正態(tài)分布、T分布和ST分布。然后文章引入了Copula連接函數(shù)來描述多個標的資產(chǎn)的波動率,并且運用了DCC-MVGARCH的方法將Copula函數(shù)模型時變化。 基于上述理論,在實證模型中首先運用GARCH模型來擬合中國石化和工商銀行的波動,并選取了Normal-Copula和T-Copula分別討論多個資產(chǎn)的波動率。我們運用了失敗率檢驗的方法最終選取T-Copula時變函數(shù)模型作為本文最終的實證模型,計算了兩個標的資產(chǎn)的VaR并運用到了融資融券的保證金設置問題上
[Abstract]:On the basis of selecting the underlying securities of margin, this paper discusses the issue of margin setting. Margin and guarantee ratio is designed to control the risk of financial assets and avoid the loss of investment traders. This paper first discusses the risk control model commonly used in margin setting. After comparing EWMA method with VaR method, a lot of empirical studies show that volatility is the core of VaR calculation, and asset volatility is the main reason of risk. In this paper, the SV model, extreme value model and GARCH model of single asset volatility are considered, and the GARCH model is selected to fit the volatility of a single underlying asset, where the residual term distribution satisfies the normal distribution T distribution and St distribution respectively. Then the Copula connection function is introduced to describe the volatility of multiple underlying assets, and the method of DCC-MVGARCH is used to change the Copula function model. In the empirical model, the GARCH model is first used to fit the volatility of Sinopec and ICBC, and Normal-Copula and T-Copula are selected to discuss the volatility of multiple assets respectively. We use the method of failure rate test to select T-Copula time-varying function model as the final empirical model of this paper, calculate the VaR of the two underlying assets and apply it to the margin setting problem of margin.
【學位授予單位】：南京理工大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：F224;F830.91

【參考文獻】

相關期刊論文 前10條

1 韋艷華,張世英;金融市場的相關性分析——Copula-GARCH模型及其應用[J];系統(tǒng)工程;2004年04期

2 羅付巖;鄧光明;;基于時變Copula的VaR估計[J];系統(tǒng)工程;2007年08期

3 王小麗;;英美及亞太國家與地區(qū)融資融券業(yè)務監(jiān)管制度分析[J];南方金融;2010年03期

4 劉可;王斌會;;基于DCC-MVGARCH模型的股票市場收益率波動的相關性分析[J];金融與經(jīng)濟;2011年05期

5 孫彬;楊朝軍;于靜;;基于copula函數(shù)的國際證券市場傳染效應實證分析[J];上海交通大學學報;2009年04期

6 丁華;股價指數(shù)波動中的ARCH現(xiàn)象[J];數(shù)量經(jīng)濟技術經(jīng)濟研究;1999年09期

7 岳朝龍;上海股市收益率GARCH模型族的實證研究[J];數(shù)量經(jīng)濟技術經(jīng)濟研究;2001年06期

8 韋艷華;張世英;;多元Copula-GARCH模型及其在金融風險分析上的應用[J];數(shù)理統(tǒng)計與管理;2007年03期

9 劉曉星;邱桂華;;基于極值理論的我國股票市場流動性調(diào)整的VaR和ES研究[J];廣東商學院學報;2009年03期

10 顧雪松;;基于GARCH-VaR的股指期貨保證金模型[J];統(tǒng)計與決策;2009年13期

相關碩士學位論文 前5條

1 李夫明;金融市場風險VaR方法的研究[D];華東師范大學;2005年

2 呂亮雯;DCC-MVGARCH模型計算方法研究及在金融市場中的應用[D];暨南大學;2006年

3 鄭文旭;基于Copula的金融風險相關性研究[D];廈門大學;2008年

4 陳友強;基于動態(tài)Copula函數(shù)的VaR估計及其應用[D];廈門大學;2009年

5 周鑫;VaR-GARCH-EVT模型及在中國證券市場的實證研究[D];東北大學;2007年

，

本文編號：1988122