發(fā)布時間：2021-07-03 08:35

　　隨著經(jīng)濟(jì)全球化進(jìn)程的不斷推進(jìn),我國潛在的金融風(fēng)險正在逐步釋放。2018年中國股票市場的劇烈動蕩,為人們防范股票市場上的不確定性和風(fēng)險敲響了警鐘。此外,近年來伴隨著融資融券業(yè)務(wù)以及股指期貨交易的快速發(fā)展,我國證券市場的杠桿性不斷增強(qiáng),其日內(nèi)波動幅度明顯變大。在市場波動階段,指數(shù)收益率的極值特征具有重要的研究意義。同時,越來越多的基金公司也將指數(shù)產(chǎn)品作為業(yè)績評價對照使用,而市場的波動無論對從業(yè)者還是產(chǎn)品的投資人來說都有著顯著的不確定性。因此,對于指數(shù)在市場波動階段的不確定性管理尤其是極值風(fēng)險的管理十分重要。目前,VaR模型是國際流行的風(fēng)險度量工具,而由于其固有的缺陷,ES逐漸被越來越多的學(xué)者應(yīng)用到風(fēng)險度量中去,以達(dá)到更好的度量效果,因此本文采用VaR與ES作為風(fēng)險度量指標(biāo)。對于VaR與ES的計算,本文首先引入了 Realized GARCH模型,將其誤差推廣到厚尾情形來刻畫金融時間序列具有的尖峰厚尾、波動集聚等特征,并與傳統(tǒng)GARCH模型進(jìn)行了對比。其次,考慮到股票數(shù)據(jù)暴漲暴跌的極端現(xiàn)象,引入極值理論來對小概率極端事件進(jìn)行建模,并采用POT模型來對序列的尾部風(fēng)險特征進(jìn)行研究。最后,為了提高... 

【文章來源】：浙江工商大學(xué)浙江省

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－１日對數(shù)收益率和己實現(xiàn)測度ＲＶ時序圖??從圖２－１可以看到上證指數(shù)和深證成指的對數(shù)收益率序列波動比較劇烈，而且存??

這要求誤差分布應(yīng)考慮厚尾性，且日收益率序列都呈現(xiàn)出左偏特征。為了確定日??對數(shù)收益率序列是否存在厚尾特征，在Ｊ－Ｂ統(tǒng)計量基礎(chǔ)上，進(jìn)一步進(jìn)行正態(tài)性檢驗，??作日對數(shù)收益率序列的ＱＱ圖如圖２－２所示。??１：證指數(shù)?深證成指??ｊ?Ｊ??ｉｎ?－?ｉｄ?－?＾??ｉ?ｉ?７??０?〇?－?Ｏ?°?－??１?ｆ??〇?＿?〇??Ｉ?Ｉ?Ｉ?＇?＇?Ｉ?Ｉ?Ｉ??－２?０?２?－２?０?２??Ｔｈｅｏｒｅｔｉｃａｌ?Ｑｕａｎｔｉｌｅｓ?Ｔｈｅｏｒｅｔｉｃａｌ?Ｑｕａｎｔｉｌｅｓ??圖２－２日對數(shù)收益率ＱＱ圖??從兩組收益率的正態(tài)ＱＱ圖可以看到，散點中間部分基本與直線相重合，但是上??尾和下尾的部分分別向上和向下發(fā)散，這意味著經(jīng)驗分布的尾部比正態(tài)分布要厚。所??以結(jié)合Ｊ－Ｂ統(tǒng)計量檢驗結(jié)果以及日對數(shù)收益率序列ＱＱ圖，認(rèn)為收益率序列具有厚尾??性。??２．３．３平穩(wěn)性檢驗??為避免虛假回歸問題，即無關(guān)的非平穩(wěn)序列卻顯示出因果關(guān)系，因此在對事件序??列進(jìn)行分析及預(yù)測之前，需要進(jìn)行單位根檢驗。采用ＡＤＦ檢驗對對數(shù)收益率序列進(jìn)行??平穩(wěn)性檢驗

２．３．４自相關(guān)性檢驗和ＡＲＣＨ效應(yīng)檢驗??深證指數(shù)和深證成指的對數(shù)收益率數(shù)據(jù)自相關(guān)性和收益率數(shù)據(jù)平方的自相關(guān)性如??圖２－３所示。??對數(shù)收Ｈ犖（ＳＨ）?對數(shù)收益率（ＳＺ１??（ｒ＞?＜〇??ｆｅ?〇?－?ｆｅ?〇?－??＜?￣?＜??２?＝?＝?。二＝?二二：：二二：：：：：??°?ｉ?ｉ?ｉ?ｒ－＾￣ｉ?ｉ?Ｉ?ｉ?°?＼?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ??０?５?１０?１５?２０?２５?３０?３５?０?５?１０?１５?２０?２５?３０?３５??Ｌａｇ?Ｌａｇ??對教收益率的平方ＩＳＨ）?對數(shù)收益率的平方（ＳＺｌ??ｆｅｄ—?ｆｅ?〇?－??＜?＜??〇?ｐ?ｒｊｊｊｊｊｊｊｊｊｊｊｊｊｊｊｊ士士土土土士土土土土士ｆ土土ｊｉ土土土土二??°?ｈｌ?１?Ｉ?Ｔ?Ｉ?Ｉ＂１?°?ｒ?１?１?１?１?Ｉ?Ｔ?Ｔ?Ｔ＂??０?５?１０?１５?２０?２５?３０?３５?０?５?１０?１５?２０?２５?３０?３５??Ｌａｇ?Ｌａｇ??圖２－３對數(shù)收益率和對數(shù)收益率平方的自相關(guān)圖??對數(shù)收益率序列的自相關(guān)圖顯示了上證指數(shù)和深證成指均存在微弱的自相關(guān)性，??且對數(shù)收益率序列平方的自相關(guān)圖顯示了兩組數(shù)據(jù)存在自相關(guān)性，說明上證指數(shù)和深??證成指具有ＡＲＣＨ效應(yīng)。關(guān)于ＡＲＣＨ效應(yīng)的檢驗，可以采用ＭｃＬｅｏｄ－Ｌｉ檢驗方法，??對兩組數(shù)據(jù)進(jìn)行ＭｃＬｅｏｄ－Ｌｉ檢驗

【參考文獻(xiàn)】：
期刊論文
[1]基于Beta-Skew-t-EGARCH-POT模型的極值風(fēng)險測度研究[J]. 張保帥,金振琥.  南方金融. 2018(02)
[2]基于混頻已實現(xiàn)GARCH模型的波動預(yù)測與VaR度量[J]. 于孝建,王秀花.  統(tǒng)計研究. 2018(01)
[3]含有超越時間與相關(guān)收益率強(qiáng)度的極值風(fēng)險度量[J]. 陳守東,周徹.  統(tǒng)計與信息論壇. 2018(01)
[4]基于收益波動性和厚尾性的條件風(fēng)險價值探究——來自滬深300指數(shù)的驗證[J]. 王淼,王春麗.  數(shù)學(xué)的實踐與認(rèn)識. 2017(17)
[5]基于MCMC參數(shù)估計的POT極值理論度量影子銀行與A股市場VaR-ES[J]. 李錦成.  中央財經(jīng)大學(xué)學(xué)報. 2017(05)
[6]中國股市波動率的廣義周內(nèi)特征及其預(yù)測模型[J]. 施雅豐,艾春榮.  系統(tǒng)工程理論與實踐. 2016(08)
[7]基于偏t分布realized GARCH模型的尾部風(fēng)險估計[J]. 黃友珀,唐振鵬,周熙雯.  系統(tǒng)工程理論與實踐. 2015(09)
[8]Realized GAS-GARCH及其在VaR預(yù)測中的應(yīng)用[J]. 王天一,黃卓.  管理科學(xué)學(xué)報. 2015(05)
[9]利用高頻數(shù)據(jù)預(yù)測滬深300指數(shù)波動率——基于Realized GARCH模型的實證研究[J]. 王天一,趙曉軍,黃卓.  世界經(jīng)濟(jì)文匯. 2014(05)
[10]高頻農(nóng)產(chǎn)品期貨波動率和相關(guān)性預(yù)測——基于Realized Copula-DCC模型的視角[J]. 黃雯,黃卓,王天一.  浙江社會科學(xué). 2013(05)

博士論文
[1]廣義Pareto分布的統(tǒng)計推斷[D]. 趙旭.北京工業(yè)大學(xué) 2012

碩士論文
[1]基于Realized GARCH-NIG模型的中國股票市場波動研究[D]. 劉若萌.天津大學(xué) 2017
[2]基于極值理論VaR模型的上市公司行業(yè)風(fēng)險比較研究[D]. 俞慧琴.浙江大學(xué) 2013



本文編號：3262234