發(fā)布時(shí)間：2024-06-04 01:59

　　壓力測(cè)試和在險(xiǎn)價(jià)值(Value-at-Risk,Va R)是金融風(fēng)險(xiǎn)管理中兩個(gè)常用的工具。壓力測(cè)試可用于模擬潛在極端事件對(duì)金融體系穩(wěn)定的影響,而Va R描述了在給定的置信水平下,一個(gè)投資組合可能遭受的最大損失。兩種風(fēng)險(xiǎn)管理工具都引起了國(guó)內(nèi)外金融監(jiān)管組織的普遍重視。現(xiàn)有的壓力測(cè)試方法多是基于(廣義)線性回歸、(結(jié)構(gòu))向量自回歸或是DCC-GARCH模型,但這些方法都無(wú)法同時(shí)刻畫金融市場(chǎng)中的高維、動(dòng)態(tài)和非線性關(guān)系。另一方面,為了對(duì)不同金融市場(chǎng)的Va R進(jìn)行聯(lián)合建模,人們提出了多維Va R自回歸模型(Multivariate Conditional Autoregressive Value-at-Risk,MVCAVia R),但由于“維度詛咒”問(wèn)題,該方法無(wú)法擴(kuò)展到高維情形。在本文中,我們提出了一套新的基于動(dòng)態(tài)高維copula模型的DHDC壓力測(cè)試方法。與已有壓力測(cè)試相比,我們的新方法刻畫了不同個(gè)體之間的高維、動(dòng)態(tài)、非線性的關(guān)聯(lián)結(jié)構(gòu),而不是靜態(tài)二維線性相關(guān)性:考慮高維關(guān)聯(lián)性是因?yàn)閭�(gè)體之間不僅存在直接聯(lián)系,還會(huì)通過(guò)其他個(gè)體對(duì)另一個(gè)個(gè)體產(chǎn)生影響;考慮時(shí)變性是因?yàn)轱L(fēng)險(xiǎn)會(huì)隨時(shí)間發(fā)生變化;而不同金融...

【文章頁(yè)數(shù)】：142 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
abstract
1.緒論
    1.1 研究背景和研究問(wèn)題
    1.2 研究?jī)?nèi)容
    1.3 研究意義
    1.4 研究創(chuàng)新
2.文獻(xiàn)綜述
    2.1 壓力測(cè)試相關(guān)文獻(xiàn)
    2.2 VaR自回歸相關(guān)文獻(xiàn)
    2.3 房地產(chǎn)行業(yè)系統(tǒng)性風(fēng)險(xiǎn)相關(guān)文獻(xiàn)
    2.4 國(guó)際股市間風(fēng)險(xiǎn)傳染相關(guān)文獻(xiàn)
    2.5 不同類型金融市場(chǎng)間風(fēng)險(xiǎn)傳染的相關(guān)文獻(xiàn)
        2.5.1 國(guó)外關(guān)于不同類型金融市場(chǎng)間風(fēng)險(xiǎn)傳染的相關(guān)文獻(xiàn)
        2.5.2 國(guó)內(nèi)關(guān)于不同類型金融市場(chǎng)間風(fēng)險(xiǎn)傳染的相關(guān)文獻(xiàn)
    2.6 簡(jiǎn)要評(píng)述與總結(jié)
3.DHDC壓力測(cè)試及房地產(chǎn)行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的分析
    3.1 引言
    3.2 DHDC壓力測(cè)試
        3.2.1 DHDC建模
        3.2.2 模型設(shè)定檢驗(yàn)
        3.2.3 模擬數(shù)據(jù)和壓力測(cè)試情景的設(shè)定
        3.2.4 風(fēng)險(xiǎn)度量CoMVL
    3.3 房地產(chǎn)行業(yè)DHDC壓力測(cè)試建模及檢驗(yàn)
        3.3.1 數(shù)據(jù)來(lái)源與描述性統(tǒng)計(jì)
        3.3.2 DHDC模型設(shè)定及檢驗(yàn)結(jié)果
    3.4 房地產(chǎn)行業(yè)DHDC壓力測(cè)試結(jié)果
        3.4.1 實(shí)證數(shù)據(jù)模擬及壓力測(cè)試情景設(shè)定
        3.4.2 CoMVL的總體效應(yīng)
        3.4.3 CoMVL的直接效應(yīng)
        3.4.4 系統(tǒng)性風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)
        3.4.5 CoMVL的跨期效應(yīng)
        3.4.6 穩(wěn)健性檢驗(yàn)
    3.5 本章小結(jié)
    本章附錄
4.LASSO高維VaR自回歸方法及在國(guó)際股市的應(yīng)用
    4.1 引言
    4.2 模型設(shè)定與估計(jì)方法
        4.2.1 高維MVCAViaR(1,1)模型
        4.2.2 LASSO-MVCAViaR模型的估計(jì)框架
        4.2.3 后驗(yàn)分析
    4.3 蒙特卡洛模擬
    4.4 數(shù)據(jù)與實(shí)證結(jié)果
        4.4.1 數(shù)據(jù)、模型選擇與分位數(shù)估計(jì)
        4.4.2 分位數(shù)脈沖響應(yīng)函數(shù)分析
    4.5 本章小結(jié)
    本章附錄
5.基于MVCAViaR模型中國(guó)金融市場(chǎng)間風(fēng)險(xiǎn)傳染的分析
    5.1 引言
    5.2 描述性統(tǒng)計(jì)與模型估計(jì)
        5.2.1 描述性統(tǒng)計(jì)
        5.2.2 MVCAViaR模型估計(jì)
    5.3 風(fēng)險(xiǎn)溢出效應(yīng)檢驗(yàn)與高維模型設(shè)定檢驗(yàn)
        5.3.1 風(fēng)險(xiǎn)溢出效應(yīng)檢驗(yàn)
        5.3.2 高維模型設(shè)定檢驗(yàn)
    5.4 壓力測(cè)試
        5.4.1 分位數(shù)脈沖響應(yīng)
        5.4.2 考慮多市場(chǎng)狀態(tài)的壓力測(cè)試
    5.5 波動(dòng)風(fēng)險(xiǎn)和暴跌風(fēng)險(xiǎn)對(duì)預(yù)期收益的影響
    5.6 本章小結(jié)
    本章附錄
6.結(jié)論與展望
    6.1 主要結(jié)論
    6.2 政策啟示
    6.3 研究展望
參考文獻(xiàn)
致謝
在讀期間科研成果目錄



本文編號(hào)：3988705