上證綜合指數(shù)的VaR計(jì)算方法研究
發(fā)布時(shí)間:2020-07-11 17:44
【摘要】: 比較、分析目前常用的VAR計(jì)算方法計(jì)算上證綜合指數(shù)的VAR的基礎(chǔ)上,尋求建立使上證綜合指數(shù)的VAR度量更加準(zhǔn)確、更具有實(shí)踐指導(dǎo)意義模型。量化指數(shù)風(fēng)險(xiǎn),為投資者的投資操作提供風(fēng)險(xiǎn)依據(jù)。 將分形分布的方法應(yīng)用于上證綜合指數(shù)的VAR計(jì)算,得到一個(gè)由正態(tài)分布和柯西分布混合的簡(jiǎn)化分形分布,進(jìn)行上證綜合指數(shù)的VAR的估計(jì)。由于我國(guó)證券市場(chǎng)發(fā)展的時(shí)間較短,歷史數(shù)據(jù)較少,分形分布的應(yīng)用需要進(jìn)一步的驗(yàn)證。 根據(jù)市場(chǎng)的實(shí)際表現(xiàn),借鑒協(xié)同市場(chǎng)假說(shuō)的某些方法,建立一種可以實(shí)施計(jì)算的非線性統(tǒng)計(jì)方法—分類市場(chǎng)模型來(lái)計(jì)算上證綜指的VAR。 投資者在判斷市場(chǎng)狀態(tài)時(shí),一般將市場(chǎng)分為三類,上漲市場(chǎng)、下跌市場(chǎng)、振蕩市場(chǎng)。對(duì)上證綜指的歷史時(shí)間序列數(shù)據(jù)進(jìn)行分析分類,建立分屬上漲市場(chǎng)、下跌市場(chǎng)、振蕩市場(chǎng)的收益率分布。 應(yīng)用技術(shù)分析方法,對(duì)要求計(jì)算VAR的時(shí)期進(jìn)行市場(chǎng)狀態(tài)的分析,建立處于上漲市場(chǎng)、下跌市場(chǎng)、振蕩市場(chǎng)的概率分布。利用期望值法或者合并分布法可以計(jì)算出上證綜指的VAR。 經(jīng)過(guò)檢驗(yàn)、分析、比較,分類市場(chǎng)模型對(duì)上證綜指的VAR有良好的估計(jì),能完全滿足估計(jì)投資風(fēng)險(xiǎn)需要。對(duì)上證綜指的實(shí)際損益變化具有一定的跟蹤能力,從而能對(duì)投資者提供操作的指導(dǎo)。對(duì)股票投資者而言,這具有非常重要的實(shí)踐意義。
【學(xué)位授予單位】:西南交通大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2003
【分類號(hào)】:F830.91
【圖文】:
西南交通大學(xué)碩士研究生學(xué)位論文第29頁(yè)也就是說(shuō),移動(dòng)平均模型的波動(dòng)性期限結(jié)構(gòu)是一個(gè)常數(shù)。常數(shù)期限結(jié)構(gòu)是指數(shù)移動(dòng)平均方法的局限性。因?yàn)榻鹑诨貓?bào)數(shù)據(jù)的波動(dòng)性具有集聚性,有的時(shí)期大,有的時(shí)期小,因此波動(dòng)性應(yīng)隨著期限的增加而回復(fù)到平均水平,這就是波動(dòng)性期限結(jié)構(gòu)的均值回復(fù)性。所以波動(dòng)性期限結(jié)構(gòu)不應(yīng)是一個(gè)常數(shù)。短期波動(dòng)性可能會(huì)低于或高于長(zhǎng)期平均水平,究竟是高于還是低于要依賴于當(dāng)前的狀況。當(dāng)前波動(dòng)性高,則短期波動(dòng)性會(huì)高于長(zhǎng)期平均水平;反之,則短期波動(dòng)性會(huì)低于長(zhǎng)期平均水平。l’l2.3.3.3GARCH模型廣義的ARCH模型,即GARCH模型。現(xiàn)在己發(fā)展成為一個(gè)包含眾多方法的模型類別。它的含義是“generalizedautoregressive。。nditionalheteroseedastieity(一般化自回歸條件異方差)”在一個(gè)時(shí)間序列中,如果有時(shí)波動(dòng)性很大,有時(shí)波動(dòng)性很小,也就是波動(dòng)性既有爆發(fā)性又有集聚性,這時(shí)稱該時(shí)間序列存在條件異方差。autoregressive(自回歸)在這里是指GARCH模型中對(duì)條件異方差的建模所采用的方法!尽痩
8992,0012,1032,2052,3072,4092,5112,6132,7152,8171,9502,0522,1542,2562,3582,4602,5622,6642,7662,868CaseNumber圖3一3:最近1000個(gè)歷史數(shù)據(jù)的上證綜指時(shí)間序列
西南交通大學(xué)碩士研究生學(xué)位論文第43頁(yè)圖3一2:19930101一20021031的歷史日收益率分布頻度直方圖2400220020001800160014001200心甲一、、決11.力’,丫氏尹,t11牛知,I’即川I蟲1000峨l口‘甘,.皿l.~叫11目.0.1.1‘800之.........……‘.…!1,8992,0012,1032,2052
本文編號(hào):2750723
【學(xué)位授予單位】:西南交通大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2003
【分類號(hào)】:F830.91
【圖文】:
西南交通大學(xué)碩士研究生學(xué)位論文第29頁(yè)也就是說(shuō),移動(dòng)平均模型的波動(dòng)性期限結(jié)構(gòu)是一個(gè)常數(shù)。常數(shù)期限結(jié)構(gòu)是指數(shù)移動(dòng)平均方法的局限性。因?yàn)榻鹑诨貓?bào)數(shù)據(jù)的波動(dòng)性具有集聚性,有的時(shí)期大,有的時(shí)期小,因此波動(dòng)性應(yīng)隨著期限的增加而回復(fù)到平均水平,這就是波動(dòng)性期限結(jié)構(gòu)的均值回復(fù)性。所以波動(dòng)性期限結(jié)構(gòu)不應(yīng)是一個(gè)常數(shù)。短期波動(dòng)性可能會(huì)低于或高于長(zhǎng)期平均水平,究竟是高于還是低于要依賴于當(dāng)前的狀況。當(dāng)前波動(dòng)性高,則短期波動(dòng)性會(huì)高于長(zhǎng)期平均水平;反之,則短期波動(dòng)性會(huì)低于長(zhǎng)期平均水平。l’l2.3.3.3GARCH模型廣義的ARCH模型,即GARCH模型。現(xiàn)在己發(fā)展成為一個(gè)包含眾多方法的模型類別。它的含義是“generalizedautoregressive。。nditionalheteroseedastieity(一般化自回歸條件異方差)”在一個(gè)時(shí)間序列中,如果有時(shí)波動(dòng)性很大,有時(shí)波動(dòng)性很小,也就是波動(dòng)性既有爆發(fā)性又有集聚性,這時(shí)稱該時(shí)間序列存在條件異方差。autoregressive(自回歸)在這里是指GARCH模型中對(duì)條件異方差的建模所采用的方法!尽痩
8992,0012,1032,2052,3072,4092,5112,6132,7152,8171,9502,0522,1542,2562,3582,4602,5622,6642,7662,868CaseNumber圖3一3:最近1000個(gè)歷史數(shù)據(jù)的上證綜指時(shí)間序列
西南交通大學(xué)碩士研究生學(xué)位論文第43頁(yè)圖3一2:19930101一20021031的歷史日收益率分布頻度直方圖2400220020001800160014001200心甲一、、決11.力’,丫氏尹,t11牛知,I’即川I蟲1000峨l口‘甘,.皿l.~叫11目.0.1.1‘800之.........……‘.…!1,8992,0012,1032,2052
【引證文獻(xiàn)】
相關(guān)碩士學(xué)位論文 前3條
1 徐中華;基于VaR歷史模擬法的中國(guó)股市風(fēng)險(xiǎn)研究[D];復(fù)旦大學(xué);2008年
2 寧紅泉;基于時(shí)變copula的風(fēng)險(xiǎn)價(jià)值度量[D];西南財(cái)經(jīng)大學(xué);2009年
3 馬國(guó)強(qiáng);基于VaR歷史模擬法的干散貨航運(yùn)市場(chǎng)分析[D];復(fù)旦大學(xué);2010年
本文編號(hào):2750723
本文鏈接:http://sikaile.net/guanlilunwen/zhqtouz/2750723.html
最近更新
教材專著