【摘要】： 近年來(lái),金融市場(chǎng)的波動(dòng)日益劇烈,一些金融危機(jī)事件接連發(fā)生,這些都對(duì)風(fēng)險(xiǎn)管理提出了挑戰(zhàn),需要更加適合的模型方法來(lái)處理這些情況。實(shí)際研究表明傳統(tǒng)的正態(tài)分布模型假設(shè)嚴(yán)重低估了風(fēng)險(xiǎn),為了更加精確的度量風(fēng)險(xiǎn),很多學(xué)者提出用在工程和壽險(xiǎn)精算上得到廣泛使用的極值理論來(lái)度量市場(chǎng)風(fēng)險(xiǎn)。極值分布不需要對(duì)整個(gè)回報(bào)分布做任何假設(shè),而是讓數(shù)據(jù)說(shuō)話,僅僅擬合分布的尾部,很適合度量風(fēng)險(xiǎn)。由于采用基于極值理論的廣義Pareto分布來(lái)研究市場(chǎng)風(fēng)險(xiǎn)在最近得到了廣泛討論,所以本文擬采用它來(lái)研究中國(guó)股市。 本文在極值理論研究的基礎(chǔ)上,探討怎樣用改進(jìn)的歷史模擬法來(lái)更加精確的估計(jì)中國(guó)股市所面臨的金融風(fēng)險(xiǎn)。其中核心的部分就是:目前對(duì)EVT理論的運(yùn)用一般都是選取POT模型,在POT模型中一個(gè)重要的問(wèn)題就是閾值的選取,該值的大小影響VaR值的準(zhǔn)確性。閾值的選取方法目前常用的有三種,一種是超額限望圖,二是Hill圖,另一種是與正態(tài)比較法。這三種閾值選取方法在實(shí)際應(yīng)用中都有很多不足之處。為了尋找其他閾值選取方法,本文創(chuàng)新性的應(yīng)用格列汶科定理對(duì)歷史模擬法進(jìn)行改進(jìn),以提高歷史模擬法的計(jì)算準(zhǔn)確性;并利用該方法來(lái)確定POT模型中的閾值,以此新方法計(jì)算金融市場(chǎng)的風(fēng)險(xiǎn)價(jià)值(VaR)。并且考慮到金融收益不相關(guān)或者弱相關(guān)的特性,即考慮到收益極值表現(xiàn)出來(lái)的波動(dòng)聚類現(xiàn)象——幅度較大的波動(dòng)會(huì)相對(duì)聚集在某一時(shí)間段里,而小幅度波動(dòng)會(huì)相對(duì)聚集在另一段時(shí)間上,故引入了ARMA-AGARCH模型過(guò)濾收益率數(shù)據(jù)的波動(dòng)性和相關(guān)性。最后通過(guò)對(duì)上證指數(shù)進(jìn)行數(shù)值模擬研究,使用改進(jìn)的POT模型計(jì)算金融市場(chǎng)的風(fēng)險(xiǎn)價(jià)值(VaR),取得了比較理想的研究成果。
【圖文】：

2 用 ARMA－GARCH 模型過(guò)濾收益率數(shù)據(jù)進(jìn)一步分析數(shù)據(jù)的自相關(guān)和偏相關(guān)（見(jiàn)圖 6.4），發(fā)現(xiàn)滯后 10 期的 Q 統(tǒng)計(jì)9％的置信水平下拒絕原假設(shè)，序列中存在明顯的自相關(guān)現(xiàn)象，利用 AIC 定選擇AR(3)模型可以解釋這一現(xiàn)象。這樣，我們就可以直接用 tR序列對(duì)常數(shù)項(xiàng)作最小二乘回歸得到殘差項(xiàng) tε，差序列 tε進(jìn)行 ARCH 效應(yīng)的 LM 檢驗(yàn)（見(jiàn)表 6.3），發(fā)現(xiàn)當(dāng)q取比較大的值伴概率仍然有p =0.044476，小于顯著水平0.05，，拒絕原假設(shè)，殘差序列 ARCH 效應(yīng)，即有 GARCH 效應(yīng)。
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2008
【分類號(hào)】：F830.91;F224

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

1 司波;長(zhǎng)江流域短歷時(shí)強(qiáng)降水極值分布的研究[D];南京信息工程大學(xué);2012年

本文編號(hào)：2596260