本文關(guān)鍵詞：我國貴金屬市場風(fēng)險度量方法比較與實(shí)證分析　出處：《福州大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 貴金屬 GARCH模型 SV模型 VaR ES 譜風(fēng)險

【摘要】：近年來,國際上戰(zhàn)亂頻發(fā),政治局勢動蕩不安,全球經(jīng)濟(jì)受金融危機(jī)影響走向十分不明朗,加之我國通貨膨脹的持續(xù)與股市的低迷,黃金、白銀等具有保值避險功能的貴金屬受到投資者的熱捧。然而,我國貴金屬市場起步較晚,發(fā)展還很不完善,投資于我國貴金屬市場很容易遭受價格劇烈波動的風(fēng)險。因此,對我國貴金屬市場風(fēng)險進(jìn)行全面的分析和有效的度量對我國貴金屬市場的健康發(fā)展和貴金屬投資者的投資操作及風(fēng)險管理都有著重要的現(xiàn)實(shí)意義。傳統(tǒng)的風(fēng)險度量方法VaR不滿足一致性風(fēng)險度量準(zhǔn)則,且無法準(zhǔn)確防范尾部風(fēng)險。ES雖滿足一致性風(fēng)險度量準(zhǔn)則,但其計算尾部風(fēng)險時采用單一的風(fēng)險權(quán)重,這與人們對不同風(fēng)險水平持有不同風(fēng)險態(tài)度的現(xiàn)實(shí)不符。于是,既滿足一致性風(fēng)險度量準(zhǔn)則又可依據(jù)投資者的風(fēng)險偏好構(gòu)造主觀風(fēng)險權(quán)重函數(shù)的譜風(fēng)險度量(SRM)方法應(yīng)運(yùn)而生,并逐漸得到學(xué)者們的重視。GARCH模型和SV模型作為刻畫金融市場波動性的理想模型,被廣泛應(yīng)用于VaR和ES的計算,同樣也可應(yīng)用于SRM的計算。本文以基于GARCH模型和SV模型的動態(tài)VaR、ES、SRM度量我國貴金屬市場風(fēng)險為核心,旨在尋找較優(yōu)的風(fēng)險度量模型。本文首先對我國貴金屬市場及其風(fēng)險進(jìn)行介紹,得知對其進(jìn)行風(fēng)險度量的必要性。接著通過理論分析證明SRM具有VaR、ES無法比擬的優(yōu)勢：它既滿足一致性風(fēng)險度量準(zhǔn)則又引入了體現(xiàn)投資者風(fēng)險規(guī)避程度的主觀風(fēng)險權(quán)重函數(shù)。緊接著介紹了GARCH模型和SV模型,建立起收益率服從正態(tài)分布、t分布、GED分布假設(shè)下,基于GARCH模型和SV模型的動態(tài)VaR、ES、SRM模型。然后選取上海黃金交易所和天津貴金屬交易所的5個交易品種作為實(shí)證研究對象,計算基于以上模型的動態(tài)VaR、ES、SRM,通過LE統(tǒng)計量對比分析得到結(jié)論：當(dāng)VaR失效時,總存在風(fēng)險厭惡系數(shù)k取適當(dāng)?shù)闹?使SRM的均值比VaR和ES更加接近于實(shí)際損失的均值,此時k的取值范圍依據(jù)貴金屬品種、收益率分布假設(shè)、波動率模型的不同而有所差別。經(jīng)試驗,基于SV-GED模型,k取值在32～33之間的SRM是我國貴金屬市場風(fēng)險度量的一種較優(yōu)模型。同時通過對比上海黃金交易所和天津貴金屬交易所的共同品種——現(xiàn)貨鉑金的風(fēng)險大小得出天津貴金屬交易所市場的風(fēng)險略大于上海黃金交易所市場的結(jié)論。最后依據(jù)理論和實(shí)證研究的結(jié)果為完善我國貴金屬市場建設(shè)、貴金屬延期交易品種的保證金水平設(shè)定、貴金屬投資操作及風(fēng)險管理提供了一些可行的建議。
[Abstract]:In recent years, the frequent wars, political situation is turbulent, the global economic crisis affected to the very uncertain, coupled with the continued downturn in the stock market and gold, China's inflation, silver and other precious metal hedge hedging is touted by investors. However, the precious metals market in China started late, development is not perfect, investment in China's precious metals market is subject to the risk of price fluctuations. Therefore, it has important practical significance to conduct a comprehensive analysis and effective measures and the healthy development of precious metals investors on China's precious metals market investment operations and risk management of China's precious metals market traditional risk. The risk measure method of VaR does not meet the coherent risk measurement, and can not accurately prevent tail risk.ES can meet the coherent risk measurement, but the calculation of risk by the tail The risk weight of the single, which is inconsistent with the different people have different risk attitudes on different levels of risk reality. So, not only meet the coherent risk measurement can be based on the spectral risk measure the risk appetite of investors to construct subjective risk weight function (SRM) method came into being, and gradually get the attention of the scholars of.GARCH model and SV model as an ideal model to describe the volatility of financial market, the calculation is widely used in VaR and ES, also can be used in the calculation of SRM. In this paper, dynamic VaR, GARCH model and SV model based on ES, SRM measure of the precious metals market risk in China as the core, in order to find the optimal risk measurement model in this paper. First to introduce China's precious metals market and risk, that is necessary to measure the credit risk on it. Then through theoretical analysis proved that SRM has VaR, ES incomparable advantages: it can meet a The consistency of risk measurement criteria and introduced the subjective risk weighting function reflects the investor's risk aversion. Then introduces the GARCH model and SV model, establish yields obey the normal distribution, t distribution, GED distribution, dynamic VaR, GARCH model and SV model based on ES, and then select the 5 SRM model. A variety of transactions in Shanghai gold exchange and the Tianjin precious metals exchange as the research object, the dynamic calculation model based on the above VaR, ES, SRM, LE by statistics comparative analysis and get the conclusion: when the VaR fails, there is always the risk aversion coefficient K proper value, the mean SRM and ES more than the VaR average close to the actual loss, the range of K on the basis of precious metal varieties, the yield distribution hypothesis, volatility models vary. After the test, based on the SV-GED model, the K value in 32 ~ 33 SRM in China is expensive A better model of metal market risk. The risk at the same time through the common varieties of the Shanghai gold exchange and the Tianjin precious metals exchange -- spot platinum the size of the risk that Tianjin precious metals exchange market is slightly larger than the Shanghai gold exchange market. The conclusion according to the results of theoretical and empirical research for the improvement of China's precious metals market the construction, extension of precious metals trading varieties of margin setting, provides some suggestions of precious metals investment operations and risk management.

【學(xué)位授予單位】：福州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：F224;F832.54

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陸偉國,梁云;現(xiàn)行風(fēng)險度量方法的局限與改進(jìn)[J];統(tǒng)計與決策;2004年09期

2 張宏毅;銀行操作風(fēng)險度量方法比較[J];經(jīng)濟(jì)理論與經(jīng)濟(jì)管理;2004年11期

3 廖云;聶冠明;;企業(yè)風(fēng)險度量方法的選擇[J];企業(yè)家天地;2005年03期

4 朱可人;;現(xiàn)行風(fēng)險度量方法的局限與改進(jìn)[J];甘肅農(nóng)業(yè);2006年03期

5 孟生旺;董仲奇;;基于變換函數(shù)的風(fēng)險度量方法之比較[J];西北民族大學(xué)學(xué)報(自然科學(xué)版);2006年02期

6 張力上;李靜;;財務(wù)風(fēng)險度量方法評析[J];財會通訊(理財版);2006年Z1期

7 花俊洲;;金融市場風(fēng)險度量方法研究[J];生產(chǎn)力研究;2007年17期

8 蘇經(jīng)緯;;現(xiàn)行金融市場風(fēng)險度量方法評析[J];內(nèi)蒙古金融研究;2010年06期

9 牟超蘭;;金融風(fēng)險度量方法演進(jìn)研究[J];經(jīng)濟(jì)研究導(dǎo)刊;2012年30期

10 萬帥;;關(guān)于金融風(fēng)險度量方法的研究分析[J];財經(jīng)界(學(xué)術(shù)版);2013年10期

相關(guān)會議論文 前6條

1 李良;戎凱;;基于風(fēng)險網(wǎng)絡(luò)的大型工程項目風(fēng)險度量方法研究[A];系統(tǒng)工程與和諧管理——第十屆全國青年系統(tǒng)科學(xué)與管理科學(xué)學(xué)術(shù)會議論文集[C];2009年

2 劉千;吳沖;李永立;;風(fēng)險度量方法的改進(jìn)及其應(yīng)用研究[A];第十四屆中國管理科學(xué)學(xué)術(shù)年會論文集(下冊)[C];2012年

3 陳守東;王魯非;;第三十三章 VaR與其他風(fēng)險度量指標(biāo)的比較[A];21世紀(jì)數(shù)量經(jīng)濟(jì)學(xué)（第3卷）[C];2002年

4 喬磊;黃曉霞;;風(fēng)險曲線及均值—風(fēng)險模型在實(shí)踐中的應(yīng)用[A];第九屆中國不確定系統(tǒng)年會、第五屆中國智能計算大會、第十三屆中國青年信息與管理學(xué)者大會論文集[C];2011年

5 孫濤;;上市公司要約收購溢價補(bǔ)償及風(fēng)險度量方法研究[A];中國會計學(xué)會2006年學(xué)術(shù)年會論文集（下冊）[C];2006年

6 周愛霞;張行南;夏達(dá)忠;;洪災(zāi)風(fēng)險度量方法研究[A];2007重大水利水電科技前沿院士論壇暨首屆中國水利博士論壇論文集[C];2007年

相關(guān)碩士學(xué)位論文 前10條

1 孫皓;金融風(fēng)險度量方法對比的應(yīng)用研究[D];重慶工商大學(xué);2015年

2 秦軍燕;凸風(fēng)險度量方法UES及其在投資組合中的應(yīng)用[D];北方工業(yè)大學(xué);2016年

3 李超;我國貴金屬市場風(fēng)險度量方法比較與實(shí)證分析[D];福州大學(xué);2014年

4 張成慧;基于雙側(cè)風(fēng)險度量方法的期貨最優(yōu)套期保值比率研究[D];蘭州大學(xué);2014年

5 高艷;金融風(fēng)險度量方法綜合比較研究[D];武漢理工大學(xué);2010年

6 劉嘉明;金融風(fēng)險度量方法和應(yīng)用研究[D];重慶大學(xué);2009年

7 范艷萍;高維投資組合風(fēng)險度量方法及其在構(gòu)建投資組合中的應(yīng)用[D];中國人民大學(xué);2008年

8 曹靜;證券組合風(fēng)險度量方法的研究[D];西北工業(yè)大學(xué);2005年

9 葉勇;證券投資風(fēng)險度量方法及其應(yīng)用研究[D];上海交通大學(xué);2011年

10 苗清;美國金融市場風(fēng)險度量方法及其在中國的實(shí)證分析[D];吉林大學(xué);2011年

，

本文編號：1356693