目前,很多有關(guān)金融風險的研究都是針對均值、方差、相關(guān)性,很少有人關(guān)注極端的波動情況。然而,一個又一個的教訓已明確地表明忽略極端風險會帶來巨大的損失,因此迫切需要一種工具來準確地測度它。極值理論(EVT)正是這樣一種方法,它能有效地預測和防范金融極端風險。本文就是要將極值理論應(yīng)用于測度中國股市VaR的實證研究之中。 本文首先介紹了有關(guān)VaR的基本內(nèi)容,包括其定義、應(yīng)用領(lǐng)域及傳統(tǒng)的測度方法,并系統(tǒng)地對國內(nèi)外文獻進行了綜述,接著闡述了極值理論自誕生以來的主要研究成果。在極值理論基本原理的基礎(chǔ)上,本文總結(jié)了應(yīng)用于VaR研究的三個極值模型,隨后將其用于中國深滬兩市股指日對數(shù)收益率的研究中。通過分析與比較,得到以下結(jié)論:(1)傳統(tǒng)的VaR測度方法會低估潛在的損失,特別是在極端風險的刻畫上,其估計值是無效的;(2)BMM模型能較好地反映故股指日對數(shù)收益率極大值和極小值序列的尾部特性;(3)GPD模型沒有理論描述的那么完美,但通過與GARCH模型相結(jié)合,能顯著提高其預測能力;(4)實證研究表明深滬兩市股指日對數(shù)收益率的極大值序列是服從Frechet分布,極小值序列服從Gumbel分布,并由此得到了較為...

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 引言
    1.1 研究背景
    1.2 問題的提出
    1.3 研究意義
    1.4 研究方法與論文框架
2. 國內(nèi)外文獻綜述
    2.1 國外的實證研究
    2.2 國內(nèi)的實證研究
3 研究方法與VaR模型選擇
    3.1 VaR的基本思想及其應(yīng)用
    3.2 傳統(tǒng)的VaR測度方法
    3.3 極值理論基礎(chǔ)
        3.3.1 極值分布
        3.3.2 吸引場
        3.3.3 廣義Pareto分布
    3.4 極值VaR模型
        3.4.1 區(qū)塊最大法(BMM模型)
        3.4.2 GPD模型
        3.4.3 GARCH-GPD模型
4 對中國股市的實證研究
    4.1 傳統(tǒng)的VaR測度方法
        4.1.1 正態(tài)分布與t-分布
        4.1.2 歷史模擬法
        4.1.3 方差協(xié)方差法
        4.1.4 蒙特卡羅方法
    4.2 統(tǒng)計性描述和正態(tài)性檢驗
    4.3 BMM模型
        4.3.1 以5個樣本為一區(qū)塊
        4.3.2 以10個樣本為一區(qū)塊
        4.3.3 以20個樣本為一區(qū)塊
        4.3.4 漸進分布類型
        4.3.5 BMM模型下的VaR估計
    4.4 GPD模型
    4.5 GARCH-GPD模型
    4.6 VaR模型的返回測試
    4.7 尾部的厚度
5 結(jié)論與展望
    5.1 研究結(jié)論與意義
    5.2 未來的研究方向
參考文獻
附錄
    附錄一: GARCH模型參數(shù)估計結(jié)果
    附錄二: Bootstrap方法輸出結(jié)果
后記



本文編號：3739466