金融風險管理是金融資產管理領域的一個重大課題。不論是大型的金融機構還是一般的基金經理人,甚至是個人投資者都需要對自己所持有頭寸面臨的潛在風險有足夠的認識,也即要有能進行風險測度的手段。特別在近些年金融極端事件頻繁發(fā)生,而每一次這種異常波動的發(fā)生都會給國民財富帶來巨大的損失的情況下。比如97年的東南亞金融危機、08年美國次貸危機等都使得受害國在隨后的幾年中陷入不同程度的經濟蕭條中而元氣大傷。近一點的例子就是我國在2015年的股災,導致股票市場波動劇烈,短短一年多的時間上證指數一度從2000點的低位沖上五千點,之后又遭遇斷崖式的下跌回到3000點,股災當中被套牢的股民和機構不計其數,這都是由于沒有良好的風險測度手段以至于對所面臨的風險估計不足造成的。為了應對這種金融資產價值的異常波動帶來的損失,金融風險管理技術顯得尤為重要,通過良好的金融風險管理手段,我們可以最大程度地分散所持資產的風險,并且對可能潛在的風險進行清晰的量化以便在風險事件發(fā)生時可以很好地應對。而VaR作為國際金融市場度量風險的主流標準,被廣泛應用于各類金融工具的風險測度中。而如何精確地度量VaR,構建精準的風險測度模型,則是... 

【文章來源】：中南財經政法大學湖北省 211工程院校 教育部直屬院校

【文章頁數】：57 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
導論
    一、研究背景與研究意義
    二、文獻綜述
    三、研究思路和論文結構
    四、本文的創(chuàng)新與不足之處
第一章 極值理論及VaR的基本理論
    第一節(jié) 極值理論的基礎
        一、次序統(tǒng)計量及極值分布的三種類型
        二、廣義極值分布及其參數估計
    第二節(jié) 極值理論估計VaR
        一、VaR的基本概念
        二、VaR的常見計算方法
        三、VaR的缺點
        四、用極值理論估計VaR
    第三節(jié) POT模型
        一、POT模型的基本理論基礎
        二、閾值的選取及模型參數估計
        三、POT模型計算VaR的方法
第二章 廣義雙曲線SV-EVT-POT模型的構建
    第一節(jié) SV類模型介紹
        一、標準的SV模型
        二、厚尾的SV模型
    第二節(jié) SV-SKST模型的構建
        一、SV-SKST模型的建立
        二、模型的參數估計
    第三節(jié) 馬爾科夫鏈蒙特卡羅方法
        一、貝葉斯統(tǒng)計學的基本知識
        二、Gibbs抽樣
        三、Metropolis-Hasting抽樣
    第四節(jié) 廣義雙曲線SV與EVT結合的VaR模型
        一、動態(tài)VaR模型
        二、SV-SKST模型與EVT理論結合的VaR模型
第三章 基于上證指數的VaR的實證分析
    第一節(jié) 數據的選取和統(tǒng)計分析
        一、樣本數據的選取和基本特征
        二、樣本的描述性統(tǒng)計分析
    第二節(jié) SV-SKST模型的參數估計
    第三節(jié) 標準化收益率序列的建模
        一、標準化殘差序列的構造
        二、閾值的選取
        三、運用POT模型計算VaR
    第四節(jié) 樣本外測試結果評價
研究結論與展望
    一、研究結論
    二、研究展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]極端波動、跳躍和尾部風險——基于已實現波動率的股票市場風險動態(tài)預測[J]. 柳會珍,顧嵐,胡嘯兵.  數理統(tǒng)計與管理. 2014(01)
[2]基于SV-GED模型的極值風險度量研究[J]. 周孝華,張保帥.  管理工程學報. 2014(01)
[3]具有有偏厚尾的非對稱SV模型及其實證研究[J]. 吳鑫育,馬超群,汪壽陽.  系統(tǒng)工程. 2012(01)
[4]胖尾分布及長記憶下的動態(tài)EVT-VaR測度研究[J]. 林宇,黃登仕,魏宇.  管理科學學報. 2011(07)
[5]基于EVT-POT-SVt模型的風險度量研究[J]. 董耀武,周孝華,姜婷.  北京理工大學學報(社會科學版). 2011(03)
[6]基于極值理論的高頻條件VaR動態(tài)區(qū)間估計模型[J]. 王春峰,張亞楠,房振明,劉崢然.  系統(tǒng)工程理論與實踐. 2010(07)
[7]中國股票市場的最優(yōu)波動率預測模型研究——基于滬深300指數高頻數據的實證分析[J]. 魏宇.  管理學報. 2010(06)
[8]極值BMM與POT模型對滬深股市極端風險的比較研究[J]. 花擁軍,張宗益.  管理工程學報. 2009(04)
[9]具有杠桿效應的非線性SV模型及其應用[J]. 孟利鋒,張世英.  系統(tǒng)管理學報. 2009(01)
[10]基于Gibbs抽樣的厚尾SV模型貝葉斯分析及其應用[J]. 朱慧明,李峰,楊錦明,虞克明.  系統(tǒng)仿真學報. 2008(09)

博士論文
[1]基于SV模型和EVT理論的金融極值風險度量研究[D]. 姬新龍.重慶大學 2014



本文編號：3157369