發(fā)布時間：2020-12-26 01:06

　　建立合適的風險測度模型一直是金融研究中的重點及難點.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)的波動率建立了半參數(shù)GARCH模型以及兩指數(shù)的Copula-半參數(shù)GARCH模型,并在此基礎上,分別計算單一資產及資產組合的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）:給出模型設定的理論基礎與數(shù)據(jù)分析基礎.理論基礎包括GARCH模型、半參數(shù)GARCH模型、Copula函數(shù)及VaR和CVaR的相關理論;數(shù)據(jù)分析基礎包括數(shù)據(jù)的選取、基本統(tǒng)計分析及統(tǒng)計特征檢驗.通過分析發(fā)現(xiàn):數(shù)據(jù)的特征和半參數(shù)GARCH類模型的特性相吻合.第二層次（第三章和第四章）:在第一層次的基礎上建立模型為計算VaR和CVaR提供模型準備.具體而言:第三章分別對CSI 300和HSI建立半參數(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參數(shù)可加模型,并用兩階段迭代算法估計模型參數(shù);采用四種預測誤差值對模型檢驗.通過R語言實現(xiàn)得到:以p為非參數(shù)形式的半參數(shù)GARCH模型更優(yōu);通過參... 

【文章來源】：南京財經大學江蘇省

【文章頁數(shù)】：50 頁

【學位級別】：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的預測數(shù)列，和樣本數(shù)據(jù)中 2017 年 4 月 21 日-20 月 30 日的實際數(shù)據(jù)比對．部分比對結果如下：

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的預測數(shù)列，和樣本數(shù)據(jù)中 2017 年 4 月 21 日-20 月 30 日的實際數(shù)據(jù)比對．部分比對結果如下：

【參考文獻】：
期刊論文
[1]考慮條件風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,陳妤,黃文進,胥崢,孫國強,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)的配電網供電可靠性預測[J]. 徐玉琴,張揚,戴志輝.  華北電力大學學報(自然科學版). 2017(06)
[3]基于藤Copula方法的巨災風險條件VaR預測[J]. 巢文,鄒輝文.  系統(tǒng)科學與數(shù)學. 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. 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.  銅陵學院學報. 2017(01)
[7]基于VaR和CVaR的金融風險測度研究[J]. 張錫.  科技與管理. 2016(04)
[8]基于MCMC抽樣的金融貝葉斯半參數(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)工程理論與實踐. 2015(03)
[10]基于半參數(shù)Copula模型的相依關系研究——對我國股指期貨和現(xiàn)貨的實證分析[J]. 李丹,謝民育,徐天群.  金融理論與實踐. 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 2016
[2]基于連接函數(shù)模型的金融風險測度研究[D]. 盧英.天津財經大學 2015
[3]Copula方法在金融風險管理中的應用研究[D]. 魯訓法.中國科學技術大學 2012
[4]基于風險測度理論的證券投資組合優(yōu)化研究[D]. 劉俊山.復旦大學 2007

碩士論文
[1]基于VaR方法的保險資金債券投資風險評估[D]. 張池.西北農林科技大學 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.首都經濟貿易大學 2017
[3]基于VaR分析與Copula方法的互聯(lián)網金融風險度量[D]. 蘭翔.山東大學 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 2017
[5]我國創(chuàng)業(yè)板市場風險的度量[D]. 李楊.西南財經大學 2016
[6]基于半參數(shù)技術對我國上市公司信用風險的研究[D]. 王曉葉.浙江工業(yè)大學 2013
[7]Copula函數(shù)在投資組合風險價值度量中的研究和應用[D]. 夏華菁.華南理工大學 2013
[8]風險測度的一致性理論分析[D]. 許鑫慧.浙江大學 2005



本文編號：2938735