發(fā)布時(shí)間：2017-06-09 07:14

  本文關(guān)鍵詞：基于已實(shí)現(xiàn)極差的高頻數(shù)據(jù)VaR研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著我國(guó)金融市場(chǎng)體制的不斷發(fā)展，金融市場(chǎng)風(fēng)險(xiǎn)的識(shí)別、測(cè)量逐步成為金融機(jī)構(gòu)和監(jiān)管當(dāng)局關(guān)注的重點(diǎn)，也是眾多研究金融市場(chǎng)風(fēng)險(xiǎn)的學(xué)者的一個(gè)核心的研究問題。傳統(tǒng)的風(fēng)險(xiǎn)度量大多是基于低頻的日間數(shù)據(jù)而建立的GARCH族模型或SV模型，雖然這些模型在刻畫市場(chǎng)波動(dòng)特征和應(yīng)用于風(fēng)險(xiǎn)管理方面取得了許多成就，但是由于金融市場(chǎng)日內(nèi)交易頻繁，單單采用低頻數(shù)據(jù)會(huì)損失大量重要的日內(nèi)信息，導(dǎo)致在波動(dòng)估計(jì)和風(fēng)險(xiǎn)預(yù)測(cè)上產(chǎn)生較大誤差。而高頻數(shù)據(jù)可以較好地保存日內(nèi)市場(chǎng)信息，有助于對(duì)金融市場(chǎng)風(fēng)險(xiǎn)更好地研究。此外，，由于傳統(tǒng)的GARCH族模型又無法直接用于高頻數(shù)據(jù)的建模分析，因此尋求有效的高頻數(shù)據(jù)風(fēng)險(xiǎn)度量模型，不僅有助于為金融機(jī)構(gòu)和監(jiān)管當(dāng)局的風(fēng)險(xiǎn)監(jiān)管提供理論參考和政策建議，也為研究金融市場(chǎng)風(fēng)險(xiǎn)的學(xué)者提供了新的研究方向。 風(fēng)險(xiǎn)價(jià)值VaR作為一種有效的度量風(fēng)險(xiǎn)的方法，由于其計(jì)算簡(jiǎn)便、方法直觀且具有較好的風(fēng)險(xiǎn)度量準(zhǔn)確性等優(yōu)點(diǎn)而深受風(fēng)險(xiǎn)管理者的喜愛，同時(shí)也受到了許多研究學(xué)者的青睞。隨著VaR理論的不斷發(fā)展，其在風(fēng)險(xiǎn)管理中的應(yīng)用也越來越廣泛，采用不同的方法計(jì)算更為精確的VaR也一直是學(xué)術(shù)界對(duì)風(fēng)險(xiǎn)進(jìn)行量化分析研究的重點(diǎn)問題。高頻數(shù)據(jù)的研究自20世紀(jì)90年代被提出以來，一直受到了國(guó)內(nèi)外學(xué)者廣泛的關(guān)注，Andersen等學(xué)者提出的用高頻數(shù)據(jù)估計(jì)波動(dòng)率的方法，即已實(shí)現(xiàn)波動(dòng)率，引領(lǐng)了眾多學(xué)者對(duì)已實(shí)現(xiàn)類波動(dòng)率和相關(guān)領(lǐng)域的高頻波動(dòng)率的研究。鑒于此，本文將金融高頻數(shù)據(jù)研究的成果之一的已實(shí)現(xiàn)極差理論引入到VaR的計(jì)算中，并和基于低頻數(shù)據(jù)的GARCH模型進(jìn)行了對(duì)比分析，以判斷兩者在VaR預(yù)測(cè)等方面的優(yōu)劣，同時(shí)也為已實(shí)現(xiàn)極差理論在波動(dòng)估計(jì)和風(fēng)險(xiǎn)管理上的應(yīng)用提供借鑒。 本文在結(jié)合高頻數(shù)據(jù)和VaR研究成果的基礎(chǔ)上，通過引入對(duì)已實(shí)現(xiàn)極差的加權(quán)處理和抽樣頻率的選取方法，降低了微觀結(jié)構(gòu)誤差和日歷效應(yīng)，首次將加權(quán)已實(shí)現(xiàn)極差運(yùn)用于波動(dòng)率預(yù)測(cè)和VaR的研究中，并通過回測(cè)檢驗(yàn)對(duì)比了在不用分布下采用加權(quán)已實(shí)現(xiàn)極差計(jì)算的VaR和采用低頻數(shù)據(jù)的GARCH模型計(jì)算的VaR的結(jié)果，這是本文主要研究的方向和創(chuàng)新之處，同時(shí)也為已實(shí)現(xiàn)極差的應(yīng)用和深入研究提供借鑒。 在實(shí)證分析部分，本文首先對(duì)數(shù)據(jù)進(jìn)行了界定和說明，并且給出了一個(gè)高頻數(shù)據(jù)抽樣頻率選擇原理的結(jié)果。其次，對(duì)已實(shí)現(xiàn)類序列和日間收益率序列進(jìn)行了描述性統(tǒng)計(jì)，隨后進(jìn)行了單位根檢驗(yàn)、自相關(guān)性檢驗(yàn)等，并且通過自相關(guān)函數(shù)圖說明了高頻數(shù)據(jù)存在的日歷效應(yīng)和對(duì)已實(shí)現(xiàn)極差進(jìn)行的加權(quán)處理在消除日歷效應(yīng)上的作用。然后對(duì)計(jì)算得出的已實(shí)現(xiàn)波動(dòng)率、已實(shí)現(xiàn)極差和加權(quán)已實(shí)現(xiàn)極差采用重標(biāo)極差法檢驗(yàn)了長(zhǎng)記憶性，結(jié)果顯示已實(shí)現(xiàn)類序列都存在長(zhǎng)記憶性，并基于計(jì)算所得的Hurst指數(shù)建立了長(zhǎng)記憶性模型---ARFIMA模型，并和GARCH模型一起進(jìn)行了波動(dòng)率預(yù)測(cè)能力的對(duì)比。最后將加權(quán)已實(shí)現(xiàn)極差的ARFIMA模型和GARCH模型引入到VaR計(jì)算中，鑒于時(shí)間序列所具有的尖峰厚尾性，在采用正態(tài)分布的同時(shí)，引入了T分布和廣義誤差分布去尋求最優(yōu)分布形式，并通過LR似然比檢驗(yàn)對(duì)VaR的計(jì)算結(jié)果進(jìn)行了檢驗(yàn)。
【關(guān)鍵詞】：高頻數(shù)據(jù) 已實(shí)現(xiàn)極差 長(zhǎng)記憶性 ARFIMA模型 VaR
【學(xué)位授予單位】：浙江財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F832.5;F224
【目錄】：

• 摘要5-7
• ABSTRACT7-10
• 第一章 緒論10-15
• 第一節(jié) 論文的研究選題及理論意義10-11
• 第二節(jié) 高頻數(shù)據(jù)簡(jiǎn)述11-12
• 第三節(jié) 風(fēng)險(xiǎn)價(jià)值理論12-13
• 第四節(jié) 論文主要內(nèi)容、創(chuàng)新和框架13-15
• 第二章 國(guó)內(nèi)外文獻(xiàn)綜述15-24
• 第一節(jié) 高頻數(shù)據(jù)研究15-19
• 第二節(jié) 低頻數(shù)據(jù)研究19-21
• 第三節(jié) 已實(shí)現(xiàn)極差21-22
• 第四節(jié) 文獻(xiàn)總結(jié)評(píng)述22-24
• 第三章 主要研究方法論述24-37
• 第一節(jié) 高頻數(shù)據(jù)的研究方法24-27
• 第二節(jié) 日歷效應(yīng)的處理27-30
• 第三節(jié) 最優(yōu)抽樣頻率的選擇30-31
• 第四節(jié) VaR 計(jì)算與回測(cè)31-37
• 第四章 模型構(gòu)建與實(shí)證分析37-50
• 第一節(jié) 數(shù)據(jù)統(tǒng)計(jì)分析與檢驗(yàn)37-42
• 第二節(jié) 參數(shù)估計(jì)與模型預(yù)測(cè)42-46
• 第三節(jié) 計(jì)算 VaR 及回測(cè)檢驗(yàn)46-50
• 第五章 結(jié)論與展望50-52
• 第一節(jié) 論文主要結(jié)論50-51
• 第二節(jié) 本文的局限和研究展望51-52
• 參考文獻(xiàn)52-57
• 附錄57-58
• 致謝58-59

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 鄭振龍;楊偉;;金融資產(chǎn)收益動(dòng)態(tài)相關(guān)性:基于DCC多元變量GARCH模型的實(shí)證研究[J];當(dāng)代財(cái)經(jīng);2012年07期

2 徐正國(guó),張世英;調(diào)整"已實(shí)現(xiàn)"波動(dòng)率與GARCH及SV模型對(duì)波動(dòng)的預(yù)測(cè)能力的比較研究[J];系統(tǒng)工程;2004年08期

3 唐勇;張世英;;高頻數(shù)據(jù)的加權(quán)已實(shí)現(xiàn)極差波動(dòng)及其實(shí)證分析[J];系統(tǒng)工程;2006年08期

4 戴毓;周德群;;基于VaR-GARCH族動(dòng)態(tài)模型的燃料油期貨市場(chǎng)風(fēng)險(xiǎn)測(cè)量[J];系統(tǒng)工程;2009年10期

5 陽建輝;彭清華;陽宗妤;;基于改進(jìn)GARCH-M模型的匯率波動(dòng)特征[J];系統(tǒng)工程;2014年03期

6 魏宇;余怒濤;;中國(guó)股票市場(chǎng)的波動(dòng)率預(yù)測(cè)模型及其SPA檢驗(yàn)[J];金融研究;2007年07期

7 邵錫棟;殷煉乾;;基于實(shí)現(xiàn)極差和實(shí)現(xiàn)波動(dòng)率的中國(guó)金融市場(chǎng)風(fēng)險(xiǎn)測(cè)度研究[J];金融研究;2008年06期

8 郭名媛;張世英;;基于“已實(shí)現(xiàn)”波動(dòng)的VaR計(jì)算及其持續(xù)性研究[J];西北農(nóng)林科技大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2006年06期

9 龐貞燕;劉磊;;期貨市場(chǎng)能夠穩(wěn)定農(nóng)產(chǎn)品價(jià)格波動(dòng)嗎——基于離散小波變換和GARCH模型的實(shí)證研究[J];金融研究;2013年11期

10 龔銳,陳仲常,楊棟銳;GARCH族模型計(jì)算中國(guó)股市在險(xiǎn)價(jià)值(VaR)風(fēng)險(xiǎn)的比較研究與評(píng)述[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2005年07期

  本文關(guān)鍵詞：基于已實(shí)現(xiàn)極差的高頻數(shù)據(jù)VaR研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：434702