建立合適的風(fēng)險測度模型一直是金融研究中的重點(diǎn)及難點(diǎn).本文以滬深300指數(shù)（CSI 300）和香港恒生指數(shù)（HSI）的日收益率序列為研究對象,分別對兩指數(shù)的波動率建立了半?yún)?shù)GARCH模型以及兩指數(shù)的Copula-半?yún)?shù)GARCH模型,并在此基礎(chǔ)上,分別計算單一資產(chǎn)及資產(chǎn)組合的VaR和CVaR.本文一共分為六章,主要工作從三個層次展開.第一層次（第二章）:給出模型設(shè)定的理論基礎(chǔ)與數(shù)據(jù)分析基礎(chǔ).理論基礎(chǔ)包括GARCH模型、半?yún)?shù)GARCH模型、Copula函數(shù)及VaR和CVaR的相關(guān)理論;數(shù)據(jù)分析基礎(chǔ)包括數(shù)據(jù)的選取、基本統(tǒng)計分析及統(tǒng)計特征檢驗(yàn).通過分析發(fā)現(xiàn):數(shù)據(jù)的特征和半?yún)?shù)GARCH類模型的特性相吻合.第二層次（第三章和第四章）:在第一層次的基礎(chǔ)上建立模型為計算VaR和CVaR提供模型準(zhǔn)備.具體而言:第三章分別對CSI 300和HSI建立半?yún)?shù)GARCH模型.依次將GARCH（p,q）模型形式中的p和q部分用非參數(shù)形式代替,得到兩種不同形式的半?yún)?shù)可加模型,并用兩階段迭代算法估計模型參數(shù);采用四種預(yù)測誤差值對模型檢驗(yàn).通過R語言實(shí)現(xiàn)得到:以p為非參數(shù)形式的半?yún)?shù)GARCH模型更優(yōu);通過參... 

【文章來源】：南京財經(jīng)大學(xué)江蘇省

【文章頁數(shù)】：50 頁

【學(xué)位級別】：碩士

【部分圖文】：

滬深300指數(shù)和香港恒生指數(shù)對數(shù)收益率散點(diǎn)圖

圖 4.2 二元正態(tài)C o pula函數(shù)密度函數(shù)圖圖 4.3 二元正態(tài)C opula函數(shù)分布函數(shù)通過選取的二元高斯 Copula 函數(shù)的參數(shù)估計值ρ = 0.8556，采用 R 語言orecast 函數(shù)生成的6 × 1的預(yù)測數(shù)列，和樣本數(shù)據(jù)中 2017 年 4 月 21 日-20 月 30 日的實(shí)際數(shù)據(jù)比對．部分比對結(jié)果如下：

圖 4.2 二元正態(tài)C o pula函數(shù)密度函數(shù)圖圖 4.3 二元正態(tài)C opula函數(shù)分布函數(shù)通過選取的二元高斯 Copula 函數(shù)的參數(shù)估計值ρ = 0.8556，采用 R 語言orecast 函數(shù)生成的6 × 1的預(yù)測數(shù)列，和樣本數(shù)據(jù)中 2017 年 4 月 21 日-20 月 30 日的實(shí)際數(shù)據(jù)比對．部分比對結(jié)果如下：

【參考文獻(xiàn)】：
期刊論文
[1]考慮條件風(fēng)險價值的虛擬電廠多電源容量優(yōu)化配置模型[J]. 衛(wèi)志農(nóng),陳妤,黃文進(jìn),胥崢,孫國強(qiáng),周亦洲.  電力系統(tǒng)自動化. 2018(04)
[2]基于非參數(shù)核密度估計和Copula函數(shù)的配電網(wǎng)供電可靠性預(yù)測[J]. 徐玉琴,張揚(yáng),戴志輝.  華北電力大學(xué)學(xué)報(自然科學(xué)版). 2017(06)
[3]基于藤Copula方法的巨災(zāi)風(fēng)險條件VaR預(yù)測[J]. 巢文,鄒輝文.  系統(tǒng)科學(xué)與數(shù)學(xué). 2017(11)
[4]基于CVaR投資組合優(yōu)化問題的非光滑優(yōu)化方法[J]. 張清葉,高巖.  中國管理科學(xué). 2017(10)
[5]基于Copula-GARCH類模型的證券分類方法[J]. 毛杰.  系統(tǒng)工程. 2017(04)
[6]基于聯(lián)立方程系統(tǒng)模型的我國糧食種植面積影響因素研究[J]. 陳欣欣.  銅陵學(xué)院學(xué)報. 2017(01)
[7]基于VaR和CVaR的金融風(fēng)險測度研究[J]. 張錫.  科技與管理. 2016(04)
[8]基于MCMC抽樣的金融貝葉斯半?yún)?shù)GARCH模型研究[J]. 楊愛軍,劉曉星,林金官.  數(shù)理統(tǒng)計與管理. 2015(03)
[9]基于Copula-VaR的能源投資組合價格風(fēng)險度量研究[J]. 趙魯濤,李婷,張躍軍,魏一鳴.  系統(tǒng)工程理論與實(shí)踐. 2015(03)
[10]基于半?yún)?shù)Copula模型的相依關(guān)系研究——對我國股指期貨和現(xiàn)貨的實(shí)證分析[J]. 李丹,謝民育,徐天群.  金融理論與實(shí)踐. 2015(01)

博士論文
[1]天然氣期貨影響因素及定價模型研究[D]. 邢文婷.重慶大學(xué) 2016
[2]基于連接函數(shù)模型的金融風(fēng)險測度研究[D]. 盧英.天津財經(jīng)大學(xué) 2015
[3]Copula方法在金融風(fēng)險管理中的應(yīng)用研究[D]. 魯訓(xùn)法.中國科學(xué)技術(shù)大學(xué) 2012
[4]基于風(fēng)險測度理論的證券投資組合優(yōu)化研究[D]. 劉俊山.復(fù)旦大學(xué) 2007

碩士論文
[1]基于VaR方法的保險資金債券投資風(fēng)險評估[D]. 張池.西北農(nóng)林科技大學(xué) 2017
[2]基于Copula模型的股票與債券投資組合策略研究[D]. 杜艷艷.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2017
[3]基于VaR分析與Copula方法的互聯(lián)網(wǎng)金融風(fēng)險度量[D]. 蘭翔.山東大學(xué) 2017
[4]上證50 ETF的波動率研究及VaR測算[D]. 劉祥.華東理工大學(xué) 2017
[5]我國創(chuàng)業(yè)板市場風(fēng)險的度量[D]. 李楊.西南財經(jīng)大學(xué) 2016
[6]基于半?yún)?shù)技術(shù)對我國上市公司信用風(fēng)險的研究[D]. 王曉葉.浙江工業(yè)大學(xué) 2013
[7]Copula函數(shù)在投資組合風(fēng)險價值度量中的研究和應(yīng)用[D]. 夏華菁.華南理工大學(xué) 2013
[8]風(fēng)險測度的一致性理論分析[D]. 許鑫慧.浙江大學(xué) 2005



本文編號：2938735