VaR（Value–at-Risk）是度量、識(shí)別和管理金融市場(chǎng)風(fēng)險(xiǎn)的先進(jìn)工具,也是Basel推薦的市場(chǎng)風(fēng)險(xiǎn)管理內(nèi)部模型,為提高VaR度量精度,研究者們圍繞市場(chǎng)未來(lái)收益率的分布、波動(dòng)性估計(jì)和資產(chǎn)組合定價(jià)三個(gè)因素進(jìn)行了眾多研究。金融時(shí)間序列分布不是正態(tài)的,而是有偏的、厚尾的,現(xiàn)有的研究采用t分布、廣義誤差分布（GED）等分布較好地解決了厚尾問(wèn)題,而對(duì)于偏度考慮得較少。為解決偏度問(wèn)題,在用ARCH模型族度量VaR時(shí),引入了不對(duì)稱(chēng)沖擊系數(shù)。由于偏度和峰度并非獨(dú)立,這不能從根本上解決偏度特性。本文引入了能夠同時(shí)反映峰度和偏度的偏t分布（SKST）,實(shí)證顯示SKST分布較傳統(tǒng)的t分布、GED分布不僅能夠更好地?cái)M合波動(dòng),而且在估計(jì)VaR時(shí)也較傳統(tǒng)對(duì)稱(chēng)厚尾分布更加精確。 Engle提出的ARCH模型及其后來(lái)計(jì)量經(jīng)濟(jì)學(xué)家們所發(fā)展的ARCH模型族在波動(dòng)性估計(jì)方面取得了巨大成功,但是傳統(tǒng)ARCH模型族波動(dòng)模型的系數(shù)為常數(shù),它忽視了金融市場(chǎng)存在的一些外界不可見(jiàn)因素,這些因素會(huì)導(dǎo)致金融時(shí)間隨機(jī)變量發(fā)生偶爾和突然跳躍,使波動(dòng)狀態(tài)在高低之間不斷轉(zhuǎn)換。當(dāng)這些不連續(xù)的跳躍發(fā)生時(shí),收益率結(jié)構(gòu)也發(fā)生動(dòng)態(tài)變化,傳統(tǒng)A... 

【文章頁(yè)數(shù)】：133 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景
    1.2 VaR 的定義
    1.3 VaR 的作用
    1.4 VaR 研究方法現(xiàn)狀
        1.4.1 參數(shù)模型
        1.4.2 非參數(shù)方法
        1.4.3 半?yún)?shù)模型
    1.5 問(wèn)題的提出
    1.6 本文的結(jié)構(gòu)和主要?jiǎng)?chuàng)新點(diǎn)
        1.6.1 本文結(jié)構(gòu)
        1.6.2 本文的主要?jiǎng)?chuàng)新點(diǎn)
第二章 VaR 的基本原理和計(jì)算
    2.1 VaR 的計(jì)算流程
        2.1.1 一般分布下的VaR 計(jì)算
        2.1.2 正態(tài)分布下的VaR 計(jì)算
        2.1.3 幾種常用厚尾分布
    2.2 波動(dòng)性及相關(guān)性估計(jì)
        2.2.1 RiskMetrics(RM)模型
        2.2.2 指數(shù)移動(dòng)平均(EWMA)模型
        2.2.3 GARCH 模型
    2.3 資產(chǎn)組合的定價(jià)
    2.4 VaR 模型的準(zhǔn)確性檢驗(yàn)
        2.4.1 失敗檢驗(yàn)法
        2.4.2 分布預(yù)測(cè)法
        2.4.3 超額損失大小檢驗(yàn)法
        2.4.4 方差檢驗(yàn)法
        2.4.5 概率預(yù)測(cè)法
        2.4.6 風(fēng)險(xiǎn)軌跡檢驗(yàn)法
    2.5 本章小結(jié)
第三章 證券組合SKST-APARCH 模型VaR 估計(jì)
    3.1 ARCH 模型族
    3.2 ARCH 模型的參數(shù)估計(jì)
    3.3 SKST-APARCH 模型
        3.3.1 Hansen 的偏t 分布
        3.3.2 Lambert 和Laurent 的SKST
        3.3.3 SKST-APARCH 模型下的VaR
    3.4 實(shí)證分析
        3.4.1 樣本的基本統(tǒng)計(jì)特性和模型參數(shù)估計(jì)
        3.4.2 VaR 估計(jì)及比較
    3.5 本章小結(jié)
第四章 基于SWARCH 模型下的VaR 估計(jì)
    4.1 SWARCH 模型
    4.2 SWARCH 模型與傳統(tǒng)ARCH 模型的比較
        4.2.1 模型估計(jì)準(zhǔn)則比較及參數(shù)估計(jì)
        4.2.2 波動(dòng)預(yù)測(cè)比較
        4.2.3 波動(dòng)狀態(tài)平滑概率分析
    4.3 SWARCH 模型下的VaR 估計(jì)
    4.4 本章小結(jié)
第五章 基于馬爾科夫轉(zhuǎn)換下資本資產(chǎn)定價(jià)模型
    5.1 資本資產(chǎn)定價(jià)模型
    5.2 股票市場(chǎng)風(fēng)險(xiǎn)分類(lèi)
    5.3 資本資產(chǎn)定價(jià)模型中β系數(shù)的討論
    5.4 馬爾科夫鏈及其向量表示
    5.5 基于馬爾科夫轉(zhuǎn)換下的混合分布
    5.6 EM 算法簡(jiǎn)介
    5.7 基于馬爾科夫轉(zhuǎn)換下的資本資產(chǎn)定價(jià)模型
    5.8 實(shí)證分析
        5.8.1 收益率統(tǒng)計(jì)特性
        5.8.2 模型參數(shù)估計(jì)及變結(jié)構(gòu)檢驗(yàn)
        5.8.3 基于馬爾科夫轉(zhuǎn)換下的CAPM 與CAPM 的比較
    5.9 本章小結(jié)
第六章 基于馬爾科夫轉(zhuǎn)換下 CAPM 資產(chǎn)組合 VaR
    6.1 傳統(tǒng) CAPM 模型在 VaR 中的應(yīng)用
    6.2 基于馬爾科夫轉(zhuǎn)換下 CAPM 資產(chǎn)組合 VaR—SSRM 模型研究
        6.2.1 GARCH- β 模型
        6.2.2 SSRM 模型
        6.2.3 實(shí)證分析
    6.3 本章小結(jié)
第七章 總結(jié)和展望
    7.1 論文工作總結(jié)
    7.2 今后進(jìn)一步研究的方向和展望
參考文獻(xiàn)
發(fā)表論文和參加科研情況說(shuō)明
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于馬爾科夫轉(zhuǎn)換下的資本資產(chǎn)定價(jià)模型[J]. 蘇濤,詹原瑞,劉家鵬,李杰.  系統(tǒng)管理學(xué)報(bào). 2007(03)
[2]基于馬爾科夫狀態(tài)轉(zhuǎn)換下的CAPM實(shí)證研究[J]. 蘇濤,詹原瑞,劉家鵬.  系統(tǒng)工程理論與實(shí)踐. 2007(06)
[3]VaR方法對(duì)我國(guó)保險(xiǎn)投資風(fēng)險(xiǎn)管理的借鑒及應(yīng)用[J]. 張海紅,張淑英.  價(jià)值工程. 2006(10)
[4]引入無(wú)風(fēng)險(xiǎn)證券的均值——VaR投資組合模型研究[J]. 安起光,王厚杰.  中國(guó)管理科學(xué). 2006(02)
[5]金融風(fēng)險(xiǎn)管理研究進(jìn)展:國(guó)際文獻(xiàn)綜述[J]. 王志誠(chéng),周春生.  管理世界. 2006(04)
[6]證券組合SKST-APARCH模型和VaR估計(jì)分析[J]. 蘇濤,詹原瑞.  系統(tǒng)工程學(xué)報(bào). 2005(06)
[7]SWARCH模型下的VaR估計(jì)[J]. 蘇濤,詹原瑞.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2005(12)
[8]基于極端損失的投資組合VaR方法[J]. 潘志斌,田澎,朱海霞.  上海交通大學(xué)學(xué)報(bào). 2005(10)
[9]中國(guó)通脹水平與通脹不確定性:馬爾柯夫域變分析[J]. 趙留彥,王一鳴,蔡婧.  經(jīng)濟(jì)研究. 2005(08)
[10]基于狀態(tài)轉(zhuǎn)移ARCH模型的中國(guó)股市波動(dòng)性研究[J]. 蔣祥林,王春峰,吳曉霖.  系統(tǒng)工程學(xué)報(bào). 2004(03)

博士論文
[1]基于VaR的金融風(fēng)險(xiǎn)度量與管理[D]. 邵欣煒.吉林大學(xué) 2004



本文編號(hào)：3698626