本文關(guān)鍵詞：基于高頻數(shù)據(jù)的條件極值動(dòng)態(tài)VaR估計(jì)研究

  更多相關(guān)文章： 最優(yōu)頻率選擇 高頻數(shù)據(jù) 極值理論 POT BSP-HAR-RV BSP-RM-RV-POT

【摘要】：自從布雷頓森林體系崩潰，發(fā)達(dá)國(guó)家金融機(jī)構(gòu)的倒閉和巨虧案例,尤其是2008年以來(lái)由美國(guó)次貸危機(jī)引起的全球金融危機(jī)，金融機(jī)構(gòu)面臨著巨大的市場(chǎng)風(fēng)險(xiǎn)。風(fēng)險(xiǎn)管理的核心是風(fēng)險(xiǎn)測(cè)量。目前，靈敏度的分析方法、波動(dòng)性測(cè)量方法、VaR在險(xiǎn)價(jià)值法、壓力試驗(yàn)法和基于極值理論的方法是金融風(fēng)險(xiǎn)管理中市場(chǎng)風(fēng)險(xiǎn)測(cè)量的主要工具。傳統(tǒng)的風(fēng)險(xiǎn)測(cè)量和計(jì)算方法，如在險(xiǎn)價(jià)值（Value at Risk)，在對(duì)收益分布尾部特征估計(jì)方面存在一定不足。于是學(xué)者引入極值理論，從一個(gè)新的角度對(duì)極端的市場(chǎng)條件下的金融機(jī)構(gòu)損失進(jìn)行估計(jì)。與此同時(shí)大數(shù)據(jù)時(shí)代帶來(lái)的信息風(fēng)暴改變著我們的思維、生活和工作，也對(duì)數(shù)據(jù)處理方法、統(tǒng)計(jì)指標(biāo)和擬合分布的選擇也提出了更高的要求。學(xué)者們漸漸地開(kāi)始在高頻數(shù)據(jù)的基礎(chǔ)上，對(duì)金融市場(chǎng)風(fēng)險(xiǎn)如何更好地測(cè)量進(jìn)行研究。 本文在條件極值分布的前提下，動(dòng)態(tài)估計(jì)高頻數(shù)據(jù)的VaR。第一步，建立BSP-HAR-RV這樣一個(gè)模型對(duì)最優(yōu)頻率進(jìn)行選擇。我國(guó)的股票交易市場(chǎng)高頻數(shù)據(jù)頻率為每分鐘，通過(guò)繪出平均雙冪變差已實(shí)現(xiàn)波動(dòng)率散點(diǎn)圖，在考慮測(cè)量產(chǎn)生的誤差時(shí)，也考慮市場(chǎng)的微觀結(jié)構(gòu)會(huì)帶來(lái)的影響，對(duì)最優(yōu)頻率進(jìn)行挑選。模型中選取雙冥變差RV作為指標(biāo)，有效預(yù)計(jì)到金融數(shù)據(jù)中可能出現(xiàn)的跳躍點(diǎn)，頻率范圍定為[1,240]，作出了平均雙冥變差已實(shí)現(xiàn)波動(dòng)率散點(diǎn)圖，選取最優(yōu)頻率。本文還建立了BSP-RM-RV-POT模型對(duì)金融高頻時(shí)間序列進(jìn)行動(dòng)態(tài)VaR估計(jì)。為了求得收益分布的下側(cè)分位數(shù)，首先求出樣本的對(duì)數(shù)收益率，然后收益率序列取負(fù)號(hào)，在負(fù)收益率分布的基礎(chǔ)上建立模型。在引入“已實(shí)現(xiàn)波動(dòng)率RV”后，再引入“已實(shí)現(xiàn)均值RM”，從自回歸模型中得出殘差序列。在這個(gè)基礎(chǔ)上，在條件極值理論的支持下對(duì)擾動(dòng)項(xiàng)序列進(jìn)行POT估計(jì)。 研究結(jié)果表明，在最優(yōu)頻率下，，模型擬合的參數(shù)都通過(guò)了顯著性檢驗(yàn)，擬合結(jié)果能夠預(yù)測(cè)波動(dòng)率變化趨勢(shì)。在與5min、10min兩種頻率的對(duì)比結(jié)果來(lái)看，頻率f=10min時(shí)的變量的顯著性水平最好，均為0.01，與最優(yōu)頻率f=11min的結(jié)果相比，周已實(shí)現(xiàn)波動(dòng)率的顯著性水平為0.10。但是從模型的總體情況來(lái)看，最優(yōu)頻率模型的結(jié)果的殘差標(biāo)準(zhǔn)誤差為0.0004895，比在頻率f=5min、f=10min下抽樣的樣本所得到的模型，其 殘差的標(biāo)準(zhǔn)誤差都要小，結(jié)果更優(yōu)。由此可以得出在最優(yōu)頻率下抽取的樣本可以提高模型的精度。本文建立BSP-RM-RV-POT對(duì)金融高頻時(shí)間序列，進(jìn)行動(dòng)態(tài)VaR估計(jì)，對(duì)RM和RV的自回歸序列計(jì)算得到殘差序列，通過(guò)General Parent Distribution對(duì)殘差序列來(lái)擬合，得到GPD模型擬合圖。從GPD模型診斷的四副圖看出，該模型的估計(jì)結(jié)果是適當(dāng)?shù)�，即在充分考慮到時(shí)間對(duì)均值序列的影響之后，模型的仍然可以應(yīng)用于VaR的動(dòng)態(tài)估計(jì)。
【關(guān)鍵詞】：最優(yōu)頻率選擇 高頻數(shù)據(jù) 極值理論 POT BSP-HAR-RV BSP-RM-RV-POT
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：F224;F830.9
【目錄】：

• 摘要4-6
• Abstract6-12
• 1 引言12-23
• 1.1 研究背景及意義12-14
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀14-19
• 1.2.1 VaR 相關(guān)方法研究現(xiàn)狀14-15
• 1.2.2 最優(yōu)抽樣頻率研究15-16
• 1.2.3 高頻金融時(shí)間序列波動(dòng)率研究16-17
• 1.2.4 條件極值分布與動(dòng)態(tài) VaR 研究17-19
• 1.3 研究?jī)?nèi)容與主要?jiǎng)?chuàng)新點(diǎn)19-20
• 1.3.1 研究?jī)?nèi)容19-20
• 1.3.2 主要?jiǎng)?chuàng)新點(diǎn)20
• 1.4 研究方法與技術(shù)路線圖20-22
• 1.4.1 研究方法20-21
• 1.4.2 技術(shù)路線圖21-22
• 1.5 本章小結(jié)22-23
• 2 相關(guān)概念和理論概述23-38
• 2.1 VaR 的相關(guān)概念23-28
• 2.1.1 VaR 的概念23
• 2.1.2 VaR 估計(jì)23-24
• 2.1.3 VaR 的度量方法24-28
• 2.2 HAR-RV 理論28-35
• 2.2.1 已實(shí)現(xiàn)波動(dòng)率模型28-30
• 2.2.2 異質(zhì)市場(chǎng)假說(shuō)理論30-32
• 2.2.3 HAR-RV 模型32-35
• 2.3 條件分布與無(wú)條件分布35
• 2.3.1 無(wú)條件分布35
• 2.3.2 條件分布35
• 2.4 金融高頻數(shù)據(jù)35-37
• 2.4.1 金融高頻數(shù)據(jù)的概念35-36
• 2.4.2 金融高頻數(shù)據(jù)的統(tǒng)計(jì)特征36-37
• 2.5 本章小結(jié)37-38
• 3 模型應(yīng)用38-47
• 3.1 基于 BSP-HAR-RV 模型的最優(yōu)抽樣頻率研究38-42
• 3.1.1 已實(shí)現(xiàn)波動(dòng)率 (Realized Volatility，RV)38
• 3.1.2 HAR-RV 模型（ Heterogeneous Autoregressive model for Realized volatility，HAR-RV）38-39
• 3.1.3 雙冪變差已實(shí)現(xiàn)波動(dòng)率39-41
• 3.1.4 BSP-HAR-RV 模型預(yù)測(cè)分析和參數(shù)估計(jì)41-42
• 3.2 基于條件極值分布的高頻數(shù)據(jù) VaR 動(dòng)態(tài)估計(jì)模型42-45
• 3.2.1 條件極值分布42
• 3.2.2 條件均值的 RM（Realized Mean）估計(jì)和條件波動(dòng)率（RV）42-44
• 3.2.3 基于條件極值理論的尾部估計(jì)44-45
• 3.2.4 VaR 值的計(jì)算45
• 3.3 本章小結(jié)45-47
• 4 實(shí)證分析47-56
• 4.1 數(shù)據(jù)選取47
• 4.2 BSP-HAR-RV 模型47-52
• 4.2.1 數(shù)據(jù)基本統(tǒng)計(jì)特征分析47-48
• 4.2.2 VSP-HAR-RV 模型構(gòu)建48-52
• 4.3 BSP-RM-RV-POT 模型52-55
• 4.3.1 數(shù)據(jù)準(zhǔn)備52
• 4.3.2 參數(shù)估計(jì)52-54
• 4.3.3 模型診斷54
• 4.3.4 Kupiec 失敗率檢驗(yàn)54-55
• 4.4 本章小結(jié)55-56
• 5 結(jié)論及研究展望56-59
• 5.1 結(jié)論56-57
• 5.2 研究展望57-59
• 附錄：R 語(yǔ)言程序代碼：59-62
• 參考文獻(xiàn)62-69
• 攻讀碩士期間發(fā)表的論文及所取得的研究成果69-70
• 致謝70-71

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 吳光旭,程乾生,潘家柱;中國(guó)股票市場(chǎng)風(fēng)險(xiǎn)值的非參數(shù)估計(jì)[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年05期

2 劉寧;夏恩君;張慶雷;;基于非對(duì)稱GARCH與極值理論的商業(yè)銀行信用風(fēng)險(xiǎn)度量模型[J];北京理工大學(xué)學(xué)報(bào);2012年05期

3 唐勇;池云果;;基于已實(shí)現(xiàn)波動(dòng)率的長(zhǎng)記憶性分析[J];福州大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版);2010年05期

4 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

5 牛昂;VALUE AT RISK: 銀行風(fēng)險(xiǎn)管理的新方法[J];國(guó)際金融研究;1997年04期

6 鄭文通;金融風(fēng)險(xiǎn)管理的VAR方法及其應(yīng)用[J];國(guó)際金融研究;1997年09期

7 王春峰,李剛;基于分布擬合法的VaR估計(jì)[J];管理工程學(xué)報(bào);2002年04期

8 王志誠(chéng);周春生;;金融風(fēng)險(xiǎn)管理研究進(jìn)展:國(guó)際文獻(xiàn)綜述[J];管理世界;2006年04期

9 張偉;李平;曾勇;;中國(guó)股票市場(chǎng)個(gè)股已實(shí)現(xiàn)波動(dòng)率估計(jì)[J];管理學(xué)報(bào);2008年02期

10 李勝歌;張世英;;金融高頻數(shù)據(jù)的最優(yōu)抽樣頻率研究[J];管理學(xué)報(bào);2008年06期

本文編號(hào)：596687