目前,很多有關(guān)金融風(fēng)險(xiǎn)的研究都是針對(duì)均值、方差、相關(guān)性,很少有人關(guān)注極端的波動(dòng)情況。然而,一個(gè)又一個(gè)的教訓(xùn)已明確地表明忽略極端風(fēng)險(xiǎn)會(huì)帶來巨大的損失,因此迫切需要一種工具來準(zhǔn)確地測(cè)度它。極值理論(EVT)正是這樣一種方法,它能有效地預(yù)測(cè)和防范金融極端風(fēng)險(xiǎn)。本文就是要將極值理論應(yīng)用于測(cè)度中國股市VaR的實(shí)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(cè)度方法,并系統(tǒng)地對(duì)國內(nèi)外文獻(xiàn)進(jìn)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(gè)極值模型,隨后將其用于中國深滬兩市股指日對(duì)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(cè)度方法會(huì)低估潛在的損失,特別是在極端風(fēng)險(xiǎn)的刻畫上,其估計(jì)值是無效的;(2)BMM模型能較好地反映故股指日對(duì)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(yù)測(cè)能力;(4)實(shí)證研究表明深滬兩市股指日對(duì)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(xué)位級(jí)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(xiàn)綜述
    2.1 國外的實(shí)證研究
    2.2 國內(nèi)的實(shí)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(cè)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(chǎng)
        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(duì)中國股市的實(shí)證研究
    4.1 傳統(tǒng)的VaR測(cè)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(jì)性描述和正態(tài)性檢驗(yàn)
    4.3 BMM模型
        4.3.1 以5個(gè)樣本為一區(qū)塊
        4.3.2 以10個(gè)樣本為一區(qū)塊
        4.3.3 以20個(gè)樣本為一區(qū)塊
        4.3.4 漸進(jìn)分布類型
        4.3.5 BMM模型下的VaR估計(jì)
    4.4 GPD模型
    4.5 GARCH-GPD模型
    4.6 VaR模型的返回測(cè)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(xiàn)
附錄
    附錄一: GARCH模型參數(shù)估計(jì)結(jié)果
    附錄二: Bootstrap方法輸出結(jié)果
后記



本文編號(hào)：3739466