本文選題：ARCH模型 + 區(qū)制轉(zhuǎn)移��； 參考：《北京工業(yè)大學》2015年碩士論文

【摘要】：自從Engle(1982)首次提出自回歸條件異方差模型(ARCH)以來,許多學者為描述金融資產(chǎn)收益率的波動聚集、尖峰厚尾、非對稱等特點提出了各種ARCH的拓展模型。例如針對收益率受到未預期正向沖擊和負向沖擊會引起波動不對稱的現(xiàn)象而提出的門限GARCH模型(TGARCH),針對收益率受到政策性的或者重大事件影響時會發(fā)生結(jié)構(gòu)轉(zhuǎn)移而提出的帶有馬爾科夫區(qū)制轉(zhuǎn)移的ARCH模型(SWARCH)�？紤]到這兩種模型是從不同角度對ARCH模型的改進,因此將兩者的特點結(jié)合描述收益率是有意義的。本文在傳統(tǒng)ARCH模型基礎(chǔ)上同時引入了非對稱效應和Markov區(qū)制轉(zhuǎn)移,深入研究了非對稱的SWARCH模型,簡稱為ASWARCH模型。并討論了模型的參數(shù)估計,給出了資產(chǎn)收益率條件均值和條件方差的預測表達式。我們還利用ASWARCH模型研究了風險價值(VaR)的計算。VaR在度量金融風險方面方法簡便,經(jīng)過量化結(jié)果易于分析,因此受到風險管理者的廣泛關(guān)注。VaR的估計不僅依賴收益率的分布而且受尾部極端值的影響很大,本文進一步利用極值理論中的超閾值峰值法(POT)模擬尾部分布,提高了VaR估計的準確性。最后我們對上證綜合指數(shù)進行了實證分析,結(jié)果表明:第一,上證指數(shù)收益率確實存在明顯的波動聚集現(xiàn)象和結(jié)構(gòu)轉(zhuǎn)移;第二,ASWARCH模型相對于常方差模型、ARCH模型、GARCH模型、TGARCH模型和SWARCH模型能更好的描述上證指數(shù)收益率及其波動情況;第三,結(jié)合極值理論估計的VaR在高置信度下預測結(jié)果更好。
[Abstract]:Since Engle first proposed the autoregressive conditional heteroscedasticity model (ARCH), many scholars have proposed a variety of arch extension models to describe the characteristics of volatility aggregation, peak and thick tail, asymmetry and so on. For example, the threshold GARCH model proposed in which the rate of return is subject to unexpected positive shocks and negative shocks will lead to asymmetric fluctuations, for example, when the rate of return is affected by policy or major events, the structural shift will occur. The arch model with Markov region system transfer is presented in this paper. Considering that the two models improve arch model from different angles, it is meaningful to combine the characteristics of the two models to describe the rate of return. Based on the traditional arch model, the asymmetric effect and Markov region transition are introduced, and the asymmetric SWARCH model, called ASWARCH model, is studied in detail. The parameter estimation of the model is discussed, and the predicative expressions of the conditional mean and conditional variance of the asset return rate are given. We also use ASWARCH model to study the calculation of VaR. VaR is simple and convenient to measure financial risk, and the quantitative results are easy to analyze. Therefore, the estimation of .VaR not only depends on the distribution of return rate but also is greatly affected by the extreme value of tail. In this paper, the tail distribution is simulated by the method of over-threshold peak value (POT) in extreme value theory. The accuracy of VaR estimation is improved. Finally, we make an empirical analysis of the Shanghai Composite Index. The results show that: first, the return rate of the Shanghai Stock Exchange Index does exist obvious volatility aggregation phenomenon and structural transfer; The second ASWARCH model can better describe the return rate of Shanghai stock market index and its fluctuation than the GARCH model and the SWARCH model compared with the constant variance model and the GARCH model. Thirdly, the VaR estimated by the extreme value theory is better than that of the GARCH model and the SWARCH model under the high confidence level.
【學位授予單位】：北京工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：O212.1

【相似文獻】

相關(guān)期刊論文 前10條

1 李漢東,張世英;ARCH模型與SV模型之間的關(guān)系研究[J];系統(tǒng)工程學報;2003年02期

2 楊衛(wèi)濤;;基于ARCH模型的河南省居民消費價格指數(shù)實證分析[J];河南工業(yè)大學學報(社會科學版);2011年02期

3 盧祖帝;一般ARCH模型的幾何遍歷性及其應用[J];科學通報;1996年17期

4 王俊;陸朝霞;;應用ARCH模型族對滬市股票收益率的波動性分析[J];大眾商務;2010年12期

5 許慶光;;基于ARCH模型對上海股票市場特征的研究[J];北方經(jīng)濟;2007年20期

6 孫傳忠,安鴻志,吳國富;ARCH模型及其應用與發(fā)展[J];數(shù)理統(tǒng)計與應用概率;1995年04期

7 林勇;張武浩;劉國平;;基于ARCH模型的通貨膨脹系統(tǒng)內(nèi)生波動性實證研究[J];商業(yè)時代;2011年36期

8 苗實,劉海龍,潘德惠;ARCH模型的研究與探討[J];信息與控制;1999年05期

9 沈能;;我國科技系統(tǒng)波動性實證研究——ARCH模型族的應用[J];科學學與科學技術(shù)管理;2005年12期

10 梅娟;孫俊;須文波;;利用PSO對上證指數(shù)ARCH模型的實證研究[J];計算機工程與應用;2006年32期

相關(guān)會議論文 前2條

1 姚鳳閣;李式姣;;基于ARCH模型的我國房地產(chǎn)業(yè)政策性風險的實證分析[A];第十一屆中國管理科學學術(shù)年會論文集[C];2009年

2 曾惠芳;熊培銀;;基于貝葉斯分位ARCH模型的我國經(jīng)濟波動非對稱性研究[A];“兩型社會”建設(shè)與管理創(chuàng)新——第十五屆中國管理科學學術(shù)年會論文集（上）[C];2013年

相關(guān)碩士學位論文 前10條

1 曹予溪;基于ARCH模型族的股市間波動特征對比研究[D];陜西師范大學;2015年

2 烏伊恒;帶有馬爾科夫區(qū)制轉(zhuǎn)移的非對稱ARCH模型及其VaR的估計[D];北京工業(yè)大學;2015年

3 周密;基于非對稱性的ARCH模型方法的次貸危機傳染性實證研究[D];遼寧大學;2013年

4 劉志平;基于ARCH模型族房地產(chǎn)市場與股票市場的波動性及相關(guān)性研究[D];中南大學;2012年

5 闕俊峰;基于馬爾科夫轉(zhuǎn)換ARCH模型的上證綜指波動率研究[D];華東交通大學;2014年

6 王志同;基于ARCH模型的中國股票市場實證研究[D];中南大學;2007年

7 許德興;基于VG分布的ARCH模型的參數(shù)估計[D];蘭州商學院;2012年

8 姜海鳳;基于ARCH模型的我國飲料行業(yè)股票波動性分析[D];首都經(jīng)濟貿(mào)易大學;2014年

9 段禮霞;ARCH模型多變點問題的檢驗[D];浙江大學;2014年

10 張_g澤;基于ARCH模型族的極差和收益率的比較分析[D];云南大學;2010年

，

本文編號：2030139