本文關(guān)鍵詞：CAViaR模型方法及其實(shí)證研究

  更多相關(guān)文章： CAViaR模型 門限函數(shù) AR-TGARCH模型 匯率市場 AS模型 SAV模型 房地產(chǎn)市場

【摘要】：VaR是1994年摩根銀行提出來的,衡量一定置信水平下?lián)p失的最大可能,目前仍然是計(jì)算風(fēng)險(xiǎn)的主流方法,各大機(jī)構(gòu)紛紛采用VaR來測量和管理其風(fēng)險(xiǎn),VaR在風(fēng)險(xiǎn)測量管理方面的巨大優(yōu)點(diǎn)也受到了業(yè)界的肯定,得到了極其普遍的應(yīng)用。分位數(shù)回歸是計(jì)算VaR方法中半?yún)?shù)的一種方法,Koenker Roger (1978)提出了分位數(shù)回歸quantile regression, QR)的方法來求解損失函數(shù)期望最優(yōu)化問題。自此之后大量的學(xué)者對(duì)此進(jìn)行了研究,各種QR模型相繼產(chǎn)生,其中條件自回歸分位數(shù)模型(CAViaR)是分位數(shù)回歸的一個(gè)里程碑,應(yīng)用最廣,且其建模突破了一般的思想,直接對(duì)VaR本身構(gòu)建模型。CAViaR是2004年被Engle和Manganelli (2004)提出來的,不需要對(duì)尾部的分布進(jìn)行估計(jì),不需要假定回報(bào)的分布形式,用數(shù)學(xué)優(yōu)化方法,直接計(jì)算VaR,這種方法自提出后得到了極大的發(fā)展,成為了分位數(shù)回歸的一個(gè)極其的重要方法,本文也是探討了這種方法的進(jìn)一步改進(jìn)和應(yīng)用。 Kuester (2006)在Engle和Manganelli (2004) CAViaR模型中的IG模型基礎(chǔ)上提出了AR-GARCH模型,Julia (2012)又在Kuester (2006) AR-GARCH模型基礎(chǔ)上提出了AR-TGARCH模型,本文在Julia (2012) AR-TGARCH模型基礎(chǔ)上進(jìn)一步改進(jìn),引入Richard(2012)和陳磊(2012)以及Cathy (2012)的門限函數(shù)思想提出了新的模型門限I-AR-TGARCH模型,門限II-AR-TGARCH模型,常數(shù)-AR-TGARCH模型,常數(shù)-門限I-AR-TGARCH模型,常數(shù)-門限II-AR-TGARCH模型,對(duì)我國臺(tái)灣加權(quán)指數(shù),上證指數(shù),深圳成指和中小板指數(shù)進(jìn)行實(shí)證分析,并用DQ檢驗(yàn),RQ值和LR統(tǒng)計(jì)量來比較各個(gè)模型的優(yōu)劣。研究結(jié)果表明不論是哪個(gè)模型,這四個(gè)指數(shù)風(fēng)險(xiǎn)均受到了滯后風(fēng)險(xiǎn)的影響,且深圳成指和中小板指數(shù)所受到的影響較小。綜合DQ檢驗(yàn),RQ值以及LR統(tǒng)計(jì)量檢驗(yàn)可知,IG和AR-TGARCH模型最差,其中AR-TGARCH模型又優(yōu)于IG模型,本文提出的門限I-AR-TGARCH模型、門限II-AR-TGARCH模型和常數(shù)-AR-TGARCH模型,常數(shù)-門限I-AR-TGARCH模型和常數(shù)-門限ⅠI-AR-TGARCH模型均優(yōu)于IG模型和AR-TGARCH模型,且其中門限Ⅱ-AR-TGARCH模型,常數(shù)-門限I-AR-TGARCH模型,常數(shù)-門限II-AR-TGARCH模型全部通過了DQ檢驗(yàn),RQ值以及LR統(tǒng)計(jì)量檢驗(yàn),優(yōu)于其他模型,且常數(shù)-門限II-AR-TGARCH模型最好,門限Ⅱ-AR-TGARCH模型次之,常數(shù)-門限Ⅰ-AR-TGARCH模型最后,且常數(shù)-門限系列模型均優(yōu)于其相對(duì)應(yīng)的門限系列模型。從格蘭杰因果檢驗(yàn)可知,上證指數(shù)同深圳成指互為格蘭杰因果關(guān)系,具有傳導(dǎo)雙向關(guān)聯(lián)性,同時(shí)上證指數(shù)和深圳成指這兩個(gè)大盤指數(shù)會(huì)對(duì)中小板指數(shù)產(chǎn)生影響,但是中小板指數(shù)對(duì)這兩個(gè)大盤指數(shù)卻沒有風(fēng)險(xiǎn)傳導(dǎo)性,上證指數(shù)對(duì)臺(tái)灣加權(quán)指數(shù)具有傳導(dǎo)性,但是臺(tái)灣加權(quán)指數(shù)對(duì)上證指數(shù)卻沒有因果傳導(dǎo)關(guān)聯(lián)性。 本文在常用的CAViaR模型中AS模型和SAV模型的基礎(chǔ)上通過引入美元指數(shù)提出了隔夜-AS模型和隔夜-SAV模型來測量匯率的隔夜風(fēng)險(xiǎn),同時(shí)對(duì)日元匯率,港幣匯率以及人民幣匯率的數(shù)據(jù)進(jìn)行了實(shí)證分析,并通過DQ檢驗(yàn),RQ值和LR統(tǒng)計(jì)量來比較各模型的優(yōu)劣。研究結(jié)果表明：這三個(gè)匯率市場隔夜風(fēng)險(xiǎn)均受到了滯后風(fēng)險(xiǎn)的影響,且人民幣匯率受到的滯后風(fēng)險(xiǎn)影響是最大的,本文提出的隔夜-AS模型和隔夜-SAV模型均優(yōu)于AS模型和SAV模型且隔夜-AS模型又優(yōu)于隔夜-SAV模型,特別是對(duì)于5%日元匯率時(shí)隔夜-AS模型更具有優(yōu)勢(shì),美元指數(shù)的波動(dòng)都加大這三個(gè)匯率市場的隔夜風(fēng)險(xiǎn),且美元指數(shù)對(duì)日元和港幣匯率隔夜風(fēng)險(xiǎn)的沖擊大于對(duì)人民幣匯率的沖擊,美元走弱對(duì)各匯率隔夜風(fēng)險(xiǎn)的影響大于美元走強(qiáng)對(duì)各匯率隔夜風(fēng)險(xiǎn)的影響。這都為我國匯率隔夜風(fēng)險(xiǎn)的管理提供了新的方法和思路。 本文首次從城市中不同城區(qū)的房地產(chǎn)風(fēng)險(xiǎn)入手,將城區(qū)分成中心老城區(qū),新興城區(qū)以及偏遠(yuǎn)城區(qū),房地產(chǎn)分為商業(yè)房地產(chǎn),寫字樓房地產(chǎn)以及商品房房地產(chǎn),并且改進(jìn)了CAViaR模型中的SAV模型和AS模型,以武漢市為例實(shí)證研究了城區(qū)房地產(chǎn)市場的風(fēng)險(xiǎn),并對(duì)模型優(yōu)劣進(jìn)行了比較,研究結(jié)果表明改進(jìn)后的AS模型優(yōu)于改進(jìn)后的SAV模型,所有城區(qū)的房地產(chǎn)風(fēng)險(xiǎn)均受到滯后風(fēng)險(xiǎn)的影響,且偏遠(yuǎn)城區(qū)房地產(chǎn)市場的風(fēng)險(xiǎn)受到滯后風(fēng)險(xiǎn)影響最大,商業(yè)地產(chǎn)對(duì)中心老城區(qū)的房地產(chǎn)風(fēng)險(xiǎn)影響最大,要防止中心老城區(qū)商業(yè)地產(chǎn)的過剩,新興城區(qū)房地產(chǎn)風(fēng)險(xiǎn)則受寫字樓影響最大,要嚴(yán)格控制寫字樓的供給,防止寫字樓庫存過量,而商品房住宅對(duì)偏遠(yuǎn)城區(qū)房地產(chǎn)風(fēng)險(xiǎn)影響最大,要努力控制土地供應(yīng),控制商品房住宅的數(shù)量大幅度上漲。
【關(guān)鍵詞】：CAViaR模型 門限函數(shù) AR-TGARCH模型 匯率市場 AS模型 SAV模型 房地產(chǎn)市場
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：F299.23;F832.6;F224
【目錄】：

• 摘要4-6
• Abstract6-9
• 目錄9-11
• 1 引言11-39
• 1.1 研究背景11-22
• 1.2 風(fēng)險(xiǎn)管理概述22-27
• 1.3 VaR模型簡介27-35
• 1.4 分位數(shù)回歸方法簡介35-39
• 2 文獻(xiàn)相關(guān)述評(píng)39-59
• 2.1 VaR方法概述39-40
• 2.2 非參數(shù)方法文獻(xiàn)綜述40-42
• 2.3 參數(shù)方法文獻(xiàn)綜述42-45
• 2.4 半?yún)?shù)方法文獻(xiàn)綜述45-51
• 2.5 CAViaR模型文獻(xiàn)綜述及創(chuàng)新點(diǎn)51-55
• 2.6 房地產(chǎn)市場文獻(xiàn)綜述及創(chuàng)新點(diǎn)55-59
• 3 CAViaR實(shí)證研究模型59-73
• 3.1 CAViaR模型介紹59-62
• 3.2 CAViaR模型的改進(jìn)創(chuàng)新62-65
• 3.3 CAViaR模型的參數(shù)估計(jì)65-69
• 3.4 CAViaR模型的檢驗(yàn)69-73
• 4 基于常數(shù)和門限間接AR-TGARCH模型的CAViaR研究73-103
• 4.1 實(shí)證分析73-99
• 4.2 本章小結(jié)99-103
• 5 基于CAViaR模型的匯率隔夜風(fēng)險(xiǎn)研究103-115
• 5.1 實(shí)證分析103-114
• 5.2 本章小結(jié)114-115
• 6 基于CAViaR模型的城區(qū)房地產(chǎn)風(fēng)險(xiǎn)研究115-128
• 6.1 實(shí)證分析115-126
• 6.2 結(jié)論和政策建議126-128
• 7 研究總結(jié)與展望128-133
• 7.1 研究總結(jié)128-131
• 7.2 研究展望131-133
• 致謝133-136
• 參考文獻(xiàn)136-152
• 附錄：發(fā)表論文目錄152

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 王新宇;吳祝武;宋學(xué)鋒;;變點(diǎn)CAViaR市場風(fēng)險(xiǎn)測量模型及創(chuàng)業(yè)板應(yīng)用[J];中國礦業(yè)大學(xué)學(xué)報(bào);2013年03期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 彭偉;CAViaR模型方法及其實(shí)證研究[D];華中科技大學(xué);2015年

，

本文編號(hào)：914220