金融市場中,金融數(shù)據(jù)的預(yù)測和資產(chǎn)組合的風(fēng)險管理是金融機(jī)構(gòu)與個人投資者研究的重中之重。隨著時代的發(fā)展,高頻數(shù)據(jù)相較于低頻數(shù)據(jù)更能反映出市場的真實變化情況,且蘊(yùn)含更多的市場交易信息。因此更多國內(nèi)外學(xué)者選用高頻金融數(shù)據(jù)作為研究對象對金融市場進(jìn)行研究分析。由于金融資產(chǎn)收益率序列具有尖峰厚尾性和非對稱的特點,而傳統(tǒng)模型無法捕捉這些特征。本文通過改進(jìn)雙門限廣義自回歸條件異方差模型以便更好地預(yù)測數(shù)據(jù)以及度量金融市場風(fēng)險。全文內(nèi)容分為以下兩個部分。第一部分構(gòu)建了一種雙門限廣義自回歸條件異方差模型,其擾動項服從標(biāo)準(zhǔn)Laplace分布。運(yùn)用極大似然估計法計算出模型參數(shù)的估計值。在實證分析中對比擾動項服從不同分布的其他模型。實證分析結(jié)果表明所研究的模型更加符合實際情況。最后通過自助法與預(yù)測值的條件分布得到預(yù)測置信區(qū)間,且自助法構(gòu)建的預(yù)測置信區(qū)間更加精確。第二部分采用雙門限廣義自回歸條件異方差模型計算金融資產(chǎn)的VaR值和CVaR值。根據(jù)不同置信水平下的統(tǒng)計量,比較不同模型計算得到的風(fēng)險值對市場風(fēng)險估計的準(zhǔn)確程度。實證分析結(jié)果表明所研究的模型度量風(fēng)險更為準(zhǔn)確。當(dāng)置信水平發(fā)生變化,模型計算的風(fēng)險值度量風(fēng)險的性能也... 

【文章來源】：長春工業(yè)大學(xué)吉林省

【文章頁數(shù)】：52 頁

【學(xué)位級別】：碩士

【部分圖文】：

DTGARCH-Laplace模型的樣本特征

第3章基于雙門限GARCH模型的極大似然估計18率()1100ln()ln()tttyPP=是非中心化數(shù)據(jù)。對其進(jìn)行描述性分析，其統(tǒng)計結(jié)果見表3.4。股票收益率的路徑圖如圖3.2所示，QQ圖如圖3.3所示。表3.4股票對數(shù)收益率描述性統(tǒng)計量統(tǒng)計量樣本量均值標(biāo)準(zhǔn)差偏度峰度最大值最小值ty239-0.02950.50210.22307.57042.1021-2.4716圖3.2股票對數(shù)收益率路徑圖圖3.3股票對數(shù)收益率QQ圖由圖3.2可看出，該收益率序列存在明顯的波動聚集性與非對稱性。圖3.3中，所有的點并沒有近似地在一條直線附近，兩邊的點外翹，說明該收益率序列更符合厚

第3章基于雙門限GARCH模型的極大似然估計18率()1100ln()ln()tttyPP=是非中心化數(shù)據(jù)。對其進(jìn)行描述性分析，其統(tǒng)計結(jié)果見表3.4。股票收益率的路徑圖如圖3.2所示，QQ圖如圖3.3所示。表3.4股票對數(shù)收益率描述性統(tǒng)計量統(tǒng)計量樣本量均值標(biāo)準(zhǔn)差偏度峰度最大值最小值ty239-0.02950.50210.22307.57042.1021-2.4716圖3.2股票對數(shù)收益率路徑圖圖3.3股票對數(shù)收益率QQ圖由圖3.2可看出，該收益率序列存在明顯的波動聚集性與非對稱性。圖3.3中，所有的點并沒有近似地在一條直線附近，兩邊的點外翹，說明該收益率序列更符合厚

【參考文獻(xiàn)】：
期刊論文
[1]資產(chǎn)組合非等間隔日內(nèi)在險價值研究[J]. 魯萬波,陳騁,王建業(yè).  數(shù)理統(tǒng)計與管理. 2019(06)
[2]基于MCMC的SV模型分鐘高頻股指波動率研究[J]. 張艷慧,鄭宇軒,曹顯兵.  數(shù)學(xué)的實踐與認(rèn)識. 2019(06)
[3]基于GARCH-CVaR的股指期貨套期保值模型的實證分析[J]. 張瑞穩(wěn),趙沁怡.  統(tǒng)計與決策. 2019(04)
[4]不同分布下Realized EGARCH模型的擬合效果研究[J]. 玄海燕,戴天驕,李鴻漸,郭長青.  統(tǒng)計與決策. 2018(22)
[5]基于神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸的多期CVaR風(fēng)險測度[J]. 許啟發(fā),徐金菊,蔣翠俠.  數(shù)理統(tǒng)計與管理. 2017(04)
[6]基于中國股票高頻交易數(shù)據(jù)的隨機(jī)波動建模與應(yīng)用[J]. 張波,蔣遠(yuǎn)營.  統(tǒng)計研究. 2017(03)
[7]基于MCMC算法的人民幣匯率市場的分析——雙門限非對稱GARCH模型的應(yīng)用[J]. 夏強(qiáng),劉金山.  數(shù)理統(tǒng)計與管理. 2012(03)
[8]基于GARCH族模型的VaR與CVaR值的實證與應(yīng)用[J]. 陶偉.  統(tǒng)計與決策. 2012(09)
[9]基于CVaR-GARCH-GED模型的單品種期貨風(fēng)險價值預(yù)測[J]. 周穎,仇曉光.  統(tǒng)計與決策. 2007(18)

博士論文
[1]基于目標(biāo)區(qū)理論的三制度DTGARCH匯率模型構(gòu)建及應(yīng)用研究[D]. 劉潭秋.湖南大學(xué) 2006

碩士論文
[1]基于已實現(xiàn)GARCH類模型的股票市場VaR研究[D]. 徐志.安徽財經(jīng)大學(xué) 2019
[2]門限ARMA模型的貝葉斯估計[D]. 王佩.中國礦業(yè)大學(xué) 2019
[3]金融危機(jī)背景下我國股票市場風(fēng)險收益關(guān)系研究[D]. 王敏.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2018
[4]基于VaR模型的我國商業(yè)銀行利率風(fēng)險度量及實證研究[D]. 喻晴.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2018
[5]基于GARCH-CVaR模型的人民幣匯率風(fēng)險測度研究[D]. 關(guān)亞輝.成都理工大學(xué) 2017
[6]基于兩種分布的GARCH模型的估計及性質(zhì)[D]. 郭又銘.蘭州理工大學(xué) 2013
[7]滬深股市的波動溢出效應(yīng)[D]. 亓壽偉.華中科技大學(xué) 2007



本文編號：3305722