本文關(guān)鍵詞：基于MCMC-GARCH模型的股市收益率VaR估計(jì)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：最近幾年,我國(guó)的金融行業(yè)逐漸走向全球化,再加之利率市場(chǎng)化的深入,使得金融風(fēng)險(xiǎn)結(jié)構(gòu)日趨復(fù)雜;市場(chǎng)風(fēng)險(xiǎn)測(cè)量難度不斷加大;風(fēng)險(xiǎn)管理的作用也日趨重要。就目前來(lái)說,度量金融市場(chǎng)的主要方法之一便是Va R(Value at Risk)。故運(yùn)用有效精確的方法來(lái)實(shí)現(xiàn)Va R的測(cè)度具有非常重要的意義。基于GARCH模型族的Va R是最主流的算法之一。在解決GARCH模型的參數(shù)估計(jì)這一問題之上,比較傳統(tǒng)的做法是通過極大似然估計(jì)來(lái)實(shí)現(xiàn)。然而,這種方法比較難以實(shí)現(xiàn)模型最優(yōu)化的這一目的,究其原因,是因?yàn)樵谟眠@一方法進(jìn)行求解時(shí),給參數(shù)設(shè)置了種種的約束條件。為了應(yīng)對(duì)極大似然估計(jì)在求解GARCH模型時(shí)所面臨的這一困境,本文在對(duì)GARCH模型進(jìn)行參數(shù)估計(jì)時(shí)運(yùn)用了另外一種方法,即基于馬爾科夫蒙特卡羅(MCMC)的貝葉斯方法,以期更好地對(duì)市場(chǎng)波動(dòng)性進(jìn)行刻畫。最終,這一效果通過基于GARCH模型的Va R估計(jì)得以直觀的呈現(xiàn)了出來(lái)。實(shí)證分析中,本文搜集了深證綜指的日收盤價(jià)作為原始數(shù)據(jù),通過簡(jiǎn)單的計(jì)算處理,最終采用指數(shù)收益率的形式進(jìn)行實(shí)證分析研究。本文的數(shù)據(jù)分為兩段,一段用于建立并估計(jì)GARCH(1,1)模型,另一段用于Va R的計(jì)算和回測(cè)檢驗(yàn)。在本文的研究中,分別通過兩種方法,即經(jīng)典統(tǒng)計(jì)方法和基于MCMC的貝葉斯方法來(lái)建立并估計(jì)GARCH模型。這兩種方法分別通過Eviews軟件和Open Bugs軟件來(lái)實(shí)現(xiàn)。實(shí)證結(jié)果表明,在建立并估計(jì)GARCH模型時(shí),基于MCMC方法的貝葉斯估計(jì)要優(yōu)于極大似然估計(jì)(ML)方法,主要表現(xiàn)在貝葉斯估計(jì)更加的靈活,統(tǒng)計(jì)推斷的結(jié)論也更加的可靠。所以對(duì)于金融機(jī)構(gòu)和投資者來(lái)說,在計(jì)算Va R這一指標(biāo)時(shí),可以選擇使用貝葉斯方法來(lái)建立并求解GARCH模型
【關(guān)鍵詞】：VaR GARCH模型 貝葉斯方法 MCMC
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F832.51;F224
【目錄】：

• 摘要4-5
• Abstract5-8
• 第1章 緒論8-18
• 1.1 研究背景與問題提出8
• 1.2 研究目的和意義8-9
• 1.3 國(guó)內(nèi)外研究現(xiàn)狀9-15
• 1.3.1 國(guó)外研究現(xiàn)狀9-12
• 1.3.2 國(guó)內(nèi)研究現(xiàn)狀12-14
• 1.3.3 國(guó)內(nèi)外研究現(xiàn)狀評(píng)述14-15
• 1.4 研究?jī)?nèi)容和研究方法15-18
• 1.4.1 研究?jī)?nèi)容15-17
• 1.4.2 研究方法17-18
• 第2章VaR估計(jì)的理論基礎(chǔ)18-27
• 2.1 Va R的基本概念18-19
• 2.2 當(dāng)前VaR的計(jì)算方法19-21
• 2.2.1 Va R的非參數(shù)方法19-20
• 2.2.2 Va R的參數(shù)方法20-21
• 2.2.3 Va R的半?yún)?shù)方法21
• 2.2.4 Va R的一般計(jì)算方法21
• 2.3 基于GARCH模型的VaR估計(jì)21-25
• 2.3.1 ARCH模型概述21-23
• 2.3.2 GARCH模型概述23-24
• 2.3.3 基于GARCH模型的VaR計(jì)算24-25
• 2.4 Va R的回測(cè)檢驗(yàn)25-26
• 2.4.1 回測(cè)檢驗(yàn)的必要性25
• 2.4.2 Va R模型的失敗頻率檢驗(yàn)方法25-26
• 2.5 本章小結(jié)26-27
• 第3章 基于GARCH模型的參數(shù)推斷27-34
• 3.1 基于經(jīng)典統(tǒng)計(jì)方法的GARCH模型推斷27-28
• 3.2 基于貝葉斯理論的MCMC-GARCH模型推斷28-33
• 3.2.1 貝葉斯法則29-30
• 3.2.2 先驗(yàn)分布的選取30
• 3.2.3 基于貝葉斯方法的GARCH模型算法30-32
• 3.2.4 MCMC-GARCH模型的估計(jì)實(shí)現(xiàn)32-33
• 3.3 本章小結(jié)33-34
• 第4章 實(shí)證分析34-49
• 4.1 數(shù)據(jù)選取與處理34
• 4.2 基于經(jīng)典統(tǒng)計(jì)方法的GARCH模型求解34-39
• 4.2.1 基本統(tǒng)計(jì)數(shù)據(jù)分析34-36
• 4.2.2 序列的平穩(wěn)性檢驗(yàn)36-37
• 4.2.3 序列的相關(guān)性檢驗(yàn)37-38
• 4.2.4 ARCH效應(yīng)檢驗(yàn)38
• 4.2.5 基于Eviews的GARCH模型建立38-39
• 4.3 基于貝葉斯方法的GARCH模型估計(jì)39-44
• 4.3.1 GARCH(1,1)-N模型參數(shù)的先驗(yàn)設(shè)定39-40
• 4.3.2 GARCH(1,1)-N模型聯(lián)合后驗(yàn)參數(shù)的模擬40-41
• 4.3.3 基于貝葉斯分析的GARCH建模41-44
• 4.4 Va R的計(jì)算及兩種方法下的回測(cè)檢驗(yàn)對(duì)比44-47
• 4.5 實(shí)證結(jié)果分析及現(xiàn)實(shí)意義47-48
• 4.6 本章小結(jié)48-49
• 結(jié)論49-50
• 參考文獻(xiàn)50-56
• 致謝56

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前7條

1 邱陽(yáng),林勇;VaR模型及其在股票風(fēng)險(xiǎn)評(píng)估中的應(yīng)用[J];重慶大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2002年02期

2 陳麗娟;;基于EGARCH-M模型和滬深300指數(shù)的股市風(fēng)險(xiǎn)分析[J];東北財(cái)經(jīng)大學(xué)學(xué)報(bào);2010年02期

3 劉慶斌;姜薇;;基于動(dòng)態(tài)極值VaR股指分析的中國(guó)行業(yè)風(fēng)險(xiǎn)研究[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年06期

4 汪飛星;陳東峰;;用copula度量相依風(fēng)險(xiǎn)函數(shù)VaR的最優(yōu)界[J];曲靖師范學(xué)院學(xué)報(bào);2005年06期

5 曾五一;劉飛;;中國(guó)股指收益率的非對(duì)稱拉普拉斯分布實(shí)證檢驗(yàn)[J];統(tǒng)計(jì)與信息論壇;2012年12期

6 姚京;袁子甲;李仲飛;李端;;VaR風(fēng)險(xiǎn)度量下的β系數(shù):估計(jì)方法和實(shí)證研究[J];系統(tǒng)工程理論與實(shí)踐;2009年07期

7 陳學(xué)華,楊輝耀;VaR-APARCH模型與證券投資風(fēng)險(xiǎn)量化分析[J];中國(guó)管理科學(xué);2003年01期

  本文關(guān)鍵詞：基于MCMC-GARCH模型的股市收益率VaR估計(jì)研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：325069