伴隨著經(jīng)濟(jì)全球化程度的不斷加深和金融業(yè)的迅速崛起,近些年來世界金融市場的開放程度不斷在擴(kuò)大,全球各個(gè)國家之間的聯(lián)系越來越緊密,這促使資本在全世界范圍內(nèi)更加自由并快速流動(dòng),國家與國家之間的聯(lián)動(dòng)效應(yīng)也越來越明顯,金融市場無法切割的聯(lián)系在一起,其中一個(gè)或幾個(gè)金融市場的波動(dòng)就會(huì)迅速波及與其相關(guān)的其他金融市場,再依此傳導(dǎo),從而引發(fā)一連串的金融危機(jī)。由于資金流動(dòng)性大且自由度高,金融業(yè)的監(jiān)管方面面臨許多難題,一旦警惕性不夠,受不到嚴(yán)格的管控,金融市場的不穩(wěn)定性便隨之提高,在這種情況下金融風(fēng)險(xiǎn)危害性和隱蔽性也會(huì)越來越大,各種各樣的金融機(jī)構(gòu)便要承擔(dān)更大的風(fēng)險(xiǎn),同時(shí)也面臨更為嚴(yán)峻復(fù)雜的金融市場環(huán)境。由于一旦風(fēng)險(xiǎn)發(fā)生,無論是投資者還是金融機(jī)構(gòu)都會(huì)遭受巨大影響,有時(shí)甚至?xí)仙絿覍用?導(dǎo)致該國發(fā)生金融危機(jī)。因此,如何進(jìn)行有效的風(fēng)險(xiǎn)度量,以保證在風(fēng)險(xiǎn)來臨前可以采取措施最大限度的降低風(fēng)險(xiǎn),減少金融市場以及投資者的相應(yīng)損失,對(duì)國家與投資者都具有重要意義。本文主要研究股票的風(fēng)險(xiǎn)量化。首先,對(duì)選取的股票數(shù)據(jù)進(jìn)行預(yù)處理,處理過程包括數(shù)據(jù)清理、以及數(shù)據(jù)轉(zhuǎn)換。數(shù)據(jù)清理是在不影響樣本總量的情況下剔除無效數(shù)值。數(shù)據(jù)轉(zhuǎn)換是采用對(duì)... 

【文章來源】：西南大學(xué)重慶市 211工程院校 教育部直屬院校

【文章頁數(shù)】：46 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

收益率時(shí)序圖

圖4.2:收益率自相關(guān)圖Fig4.2:Yieldautocorrelationgraph圖4.3:收益率偏自相關(guān)圖Fig4.3:Yieldpartialautocorrelationgraph根據(jù)序列的自相關(guān)圖與偏自相關(guān)圖可以初步判斷出收益率序列不是白噪聲，進(jìn)一步得到分別滯后5、10、15階的Ljung-Box檢驗(yàn)結(jié)果，如下表所示：可以看出，滯后5、10、15階的Ljung-Box檢驗(yàn)結(jié)果p值都明顯小于顯著性水平0.05，再結(jié)合上文中自相關(guān)圖與偏自相關(guān)圖，可以判斷出收益率序列不是白噪聲，該序列可以作為樣本數(shù)據(jù)繼續(xù)研究。（3）正態(tài)性檢驗(yàn)滯后階數(shù)X-squared自由度P值514.22550.014241038.324103.332e-051565.821152.452e-08表4.3:Ljung-Box檢驗(yàn)表Tab4.3:ThetableofLjung-Boxtest21

圖4.2:收益率自相關(guān)圖Fig4.2:Yieldautocorrelationgraph圖4.3:收益率偏自相關(guān)圖Fig4.3:Yieldpartialautocorrelationgraph根據(jù)序列的自相關(guān)圖與偏自相關(guān)圖可以初步判斷出收益率序列不是白噪聲，進(jìn)一步得到分別滯后5、10、15階的Ljung-Box檢驗(yàn)結(jié)果，如下表所示：可以看出，滯后5、10、15階的Ljung-Box檢驗(yàn)結(jié)果p值都明顯小于顯著性水平0.05，再結(jié)合上文中自相關(guān)圖與偏自相關(guān)圖，可以判斷出收益率序列不是白噪聲，該序列可以作為樣本數(shù)據(jù)繼續(xù)研究。（3）正態(tài)性檢驗(yàn)滯后階數(shù)X-squared自由度P值514.22550.014241038.324103.332e-051565.821152.452e-08表4.3:Ljung-Box檢驗(yàn)表Tab4.3:ThetableofLjung-Boxtest21

【參考文獻(xiàn)】：
期刊論文
[1]大數(shù)據(jù)背景下金融市場風(fēng)險(xiǎn)度量方法探討[J]. 李井,侯慧,劉文虎.  合作經(jīng)濟(jì)與科技. 2018(02)
[2]擬合及預(yù)測VaR的波動(dòng)率模型比較——基于上證指數(shù)的實(shí)證分析[J]. 胡雋,耿晶晶.  財(cái)經(jīng)界(學(xué)術(shù)版). 2012(04)
[3]基于t-GARCH模型的風(fēng)險(xiǎn)價(jià)值VaR及其在我國股票市場中的實(shí)證分析[J]. 曹原.  商品與質(zhì)量. 2012(S2)
[4]基于GARCH-EVT模型的人民幣匯率風(fēng)險(xiǎn)測度研究[J]. 王宗潤,周艷菊.  西南民族大學(xué)學(xué)報(bào)(人文社科版). 2010(06)
[5]金融風(fēng)險(xiǎn)管理基礎(chǔ)與前沿研究[J]. 吳曉雄.  西南交通大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2009(02)
[6]我國商業(yè)銀行利率風(fēng)險(xiǎn)模型及實(shí)證分析[J]. 劉偉巍,李峰.  金融經(jīng)濟(jì). 2008(22)
[7]極值理論在風(fēng)險(xiǎn)度量中的應(yīng)用——基于上證180指數(shù)[J]. 田新時(shí),郭海燕.  運(yùn)籌與管理. 2004(01)

碩士論文
[1]基于VaR模型的互聯(lián)網(wǎng)金融收益風(fēng)險(xiǎn)度量研究[D]. 楊學(xué)敏.對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué) 2018
[2]基于極值理論的VaR計(jì)算方法研究[D]. 馬振華.武漢理工大學(xué) 2009



本文編號(hào)：3092449