【摘要】：經(jīng)濟(jì)全球化將各個(gè)國(guó)家的金融市場(chǎng)聯(lián)系在一起,一旦發(fā)生金融危機(jī),就可能觸發(fā)全球范圍內(nèi)的連鎖反應(yīng).本文以中國(guó)上證綜指和英國(guó)富時(shí)100指數(shù)為研究對(duì)象,分別建立多狀態(tài)結(jié)構(gòu)轉(zhuǎn)換貝葉斯GARCH模型,以波動(dòng)率和VaR研究為基礎(chǔ),進(jìn)一步對(duì)中英股市風(fēng)險(xiǎn)進(jìn)行ES測(cè)度及比較研究.本文的主要工作集中在三大部分.第一部分是建立多狀態(tài)結(jié)構(gòu)轉(zhuǎn)換貝葉斯GARCH模型研究中英股市的波動(dòng)率.通過(guò)對(duì)中國(guó)上證綜指和英國(guó)富時(shí)100指數(shù)的日收益圖的分析以及統(tǒng)計(jì)特征檢驗(yàn),發(fā)現(xiàn)兩組股指數(shù)據(jù)都具有異方差性和結(jié)構(gòu)變化,從而將模型設(shè)定為多狀態(tài)結(jié)構(gòu)轉(zhuǎn)換GARCH模型;為了使參數(shù)估計(jì)結(jié)果更準(zhǔn)確,采用貝葉斯MCMC中的MH算法對(duì)參數(shù)進(jìn)行估計(jì),從而分別建立了中英股市的多狀態(tài)結(jié)構(gòu)轉(zhuǎn)換貝葉斯GARCH模型.為了驗(yàn)證模型的合理性,利用模型預(yù)測(cè)了樣本之外20個(gè)交易日的波動(dòng)率,通過(guò)與實(shí)際發(fā)生值進(jìn)行比較,發(fā)現(xiàn)誤差在合理的范圍內(nèi),說(shuō)明模型是合理的.通過(guò)模型分析發(fā)現(xiàn):中國(guó)市場(chǎng)的波動(dòng)周期更長(zhǎng)(166.2天)且以中低波動(dòng)(165天)為主,而英國(guó)市場(chǎng)的周期(121天)略短且以高中波動(dòng)(109天)為主.此外,本文還根據(jù)模型分別預(yù)測(cè)了中英股市未來(lái)8個(gè)交易日的波動(dòng)率,為之后VaR的預(yù)測(cè)提供準(zhǔn)備.第二部分是在第一部分的基礎(chǔ)上對(duì)中英股市VaR的研究.根據(jù)上面已建立的波動(dòng)率模型分別計(jì)算樣本內(nèi)每日的VaR,并利用kupiec失敗率分別驗(yàn)證了VaR的可行性.結(jié)果如下:當(dāng)置信水平為99%時(shí),上證綜指VaR的均值(3.925)高于富時(shí)100指數(shù)VaR的均值(2.76),這說(shuō)明,中國(guó)股市的風(fēng)險(xiǎn)值要高于英國(guó)股市.此外,本文根據(jù)上述中英股市8個(gè)波動(dòng)率的預(yù)測(cè)值分別預(yù)測(cè)了相應(yīng)的VaR.第三部分是利用第二部分所計(jì)算的VaR對(duì)ES進(jìn)行的研究.由于ES比VaR能更好的度量尾部風(fēng)險(xiǎn)并具有一致性,從而利用ES對(duì)中英股市風(fēng)險(xiǎn)進(jìn)行測(cè)度.結(jié)果如下:當(dāng)置信水平為99%時(shí),上證綜指ES的均值(4.923)高于富時(shí)100指數(shù)ES的均值(3.412),這同樣說(shuō)明中國(guó)股市的風(fēng)險(xiǎn)更大些,此外,當(dāng)VaR失效時(shí),失效部分的損失值更接近于ES,說(shuō)明ES是一種更為穩(wěn)健且全面的風(fēng)險(xiǎn)度量方法.此外,本文根據(jù)上述中英股市8個(gè)VaR的預(yù)測(cè)值分別預(yù)測(cè)了相應(yīng)的ES值.
【圖文】：

上證綜指及其日收益率圖

圖 2. 3 樣本外上證綜指日收益率圖表 2.3 和圖 2.3 給出了模型預(yù)測(cè)結(jié)果和實(shí)際值, 利用 MSE 對(duì)結(jié)果進(jìn)行評(píng)價(jià), MSE值為 0.099717, 誤差在合理的范圍內(nèi), 這說(shuō)明利用 2.2.2.2 中建立的模型對(duì)波動(dòng)率進(jìn)行刻畫(huà)是合理的選擇.在驗(yàn)證了模型的合適程度后, 我們也對(duì)未來(lái)的日收益率進(jìn)行了預(yù)測(cè), 預(yù)測(cè)了2018 年 6 月 1 日到 2018 年 6 月 12 日所有交易日的波動(dòng)率, 結(jié)果如下：表 2. 6 波動(dòng)率預(yù)測(cè)結(jié)果2. 3 英國(guó)股票市場(chǎng)的波動(dòng)率研究2. 3. 1 數(shù)據(jù)選取及特征檢驗(yàn)富時(shí) 100 指數(shù)（FTSE100）是由富時(shí)集團(tuán)收集, 融入了倫敦交易所中市值最日期 2018/6/1 2018/6/4 2018/6/5 2018/6/6預(yù)測(cè)值 1.42356 1.4602516 1.4045917 1.6865959日期 2018/6/7 2018/6/8 2018/6/11 2018/6/12預(yù)測(cè)值 1.5370783 1.634176 1.3624688 1.4839289
【學(xué)位授予單位】：南京財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：F831.51

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 周士元;;基于結(jié)構(gòu)轉(zhuǎn)換非參數(shù)GARCH模型的股市波動(dòng)率預(yù)測(cè)擬合性評(píng)估[J];統(tǒng)計(jì)與決策;2015年17期

2 李曉燕;林海潮;;人民幣匯率市場(chǎng)動(dòng)態(tài)ES風(fēng)險(xiǎn)測(cè)度研究[J];求索;2015年05期

3 楊繼平;張春會(huì);;基于馬爾可夫狀態(tài)轉(zhuǎn)換模型的滬深股市波動(dòng)率的估計(jì)[J];中國(guó)管理科學(xué);2013年02期

4 朱鈞鈞;謝識(shí)予;;上證綜指馬爾可夫轉(zhuǎn)換模型的MCMC估計(jì)和分析[J];系統(tǒng)工程;2010年04期

5 劉洋;陳妞;;均值—VaR分析與資本資產(chǎn)定價(jià)模型:一個(gè)理論拓展[J];湖南大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2008年06期

，

本文編號(hào)：2625051