基于VaR的上海燃料油期貨市場風(fēng)險分析
發(fā)布時間:2020-04-04 20:52
【摘要】:隨著世界經(jīng)濟增長的不平衡性,能源需要結(jié)構(gòu)有所調(diào)整,國際市場石油供求嚴重不平衡,加上戰(zhàn)爭等因素,國際油價動蕩頻繁,幅度巨大,給我國的石油市場帶來了巨大沖擊。2004年上海燃料油期貨正式在上海期貨交易所交易。經(jīng)過六年多的發(fā)展歷程,燃料油期貨逐漸走向成熟,F(xiàn)有對期貨市場的研究主要從定性和規(guī)范方面進行研究,但是定量方法研究還較少,尤其是對我國期貨市場風(fēng)險的度量缺乏全面有效的研究成果。本文使用JP摩根公司提出的VaR方法,定量地度量燃油期貨市場的風(fēng)險,為期貨市場參與者提供參考。 文章主要研究了利用VaR方法度量上海燃油期貨市場的風(fēng)險。首先,在介紹了相關(guān)的研究成果后,本文介紹了期貨市場風(fēng)險相關(guān)理論,并重點介紹了VaR方法的原理,應(yīng)用。隨后,在實證部分,先對上海燃油的收益率序列進行基本分析,得出樣本序列不服從正態(tài)分布,并通過ADF檢驗,證明樣本序列是平穩(wěn)的。在分析序列相關(guān)特征后,結(jié)合GARCH族模型的特點,建立了EGARCH-M模型對上海燃油期貨市場的VaR進行度量。最終利用Kupiec檢驗方法對計算出的結(jié)果進行驗證,證明結(jié)果有效,所建模型成立,這表明將VaR方法用于滬燃油期貨市場的風(fēng)險控制中是切實可行的。
【圖文】:
Q一Q圖是一種散點圖,對應(yīng)于正態(tài)分布的Q一Q圖,,就是由標(biāo)準正態(tài)分布的分位數(shù)為橫坐標(biāo),樣本值為縱坐標(biāo)的散點圖。要利用QQ圖鑒別樣本數(shù)據(jù)是否近似于正態(tài)分布,只需看QQ圖上的點是否近似地在一條直線附近,而圖3.1很直觀的反映出上海燃油期貨收益率序列不服從正態(tài)分布假設(shè)。由于在正態(tài)分布假設(shè)下要計算其VaR值會產(chǎn)生很大的誤差,在較高的置信度情況下,誤差會更加嚴重,因此需要采用非對稱模型進行回歸分析。(2)平穩(wěn)性檢驗對于時間序列來說,在分析之前,要對其進行平穩(wěn)性檢驗,確保其是平穩(wěn)的,這樣刁‘能使接下去的分析有意義。我們采用時下較為普遍的ADF檢驗方法,檢驗其是否存在單位根。根據(jù)ADF檢驗方法結(jié)果如下表 3.2
圖3.2上海燃油期貨漲跌率時序圖由燃油漲跌率時序圖可以看出,燃油漲跌率在零處波動異常頻繁,波動在顯著的集聚性特征。此外,本文還采用時下較為普遍的拉格朗日乘數(shù)法(LM法)來對上海燃的收益率的條件方差進行了ARCH效應(yīng)檢驗,滯后10期的檢驗結(jié)果如表表3.3序列ARCH檢驗結(jié)果:HeteroskedastieityTest:ARCHstatistic3.343676Prob·F(5,1430)0.002431s*R一squared18.715018Prob.Chi一Square(10)}0.002427從上表可以看出,樣本序列在滯后期為10時,所得的相伴概率仍小于水平,這說明殘差序列有較高的異方差性,需要采用GARCH類模型來
【學(xué)位授予單位】:青島大學(xué)
【學(xué)位級別】:碩士
【學(xué)位授予年份】:2011
【分類號】:F724.5;F224
本文編號:2614062
【圖文】:
Q一Q圖是一種散點圖,對應(yīng)于正態(tài)分布的Q一Q圖,,就是由標(biāo)準正態(tài)分布的分位數(shù)為橫坐標(biāo),樣本值為縱坐標(biāo)的散點圖。要利用QQ圖鑒別樣本數(shù)據(jù)是否近似于正態(tài)分布,只需看QQ圖上的點是否近似地在一條直線附近,而圖3.1很直觀的反映出上海燃油期貨收益率序列不服從正態(tài)分布假設(shè)。由于在正態(tài)分布假設(shè)下要計算其VaR值會產(chǎn)生很大的誤差,在較高的置信度情況下,誤差會更加嚴重,因此需要采用非對稱模型進行回歸分析。(2)平穩(wěn)性檢驗對于時間序列來說,在分析之前,要對其進行平穩(wěn)性檢驗,確保其是平穩(wěn)的,這樣刁‘能使接下去的分析有意義。我們采用時下較為普遍的ADF檢驗方法,檢驗其是否存在單位根。根據(jù)ADF檢驗方法結(jié)果如下表 3.2
圖3.2上海燃油期貨漲跌率時序圖由燃油漲跌率時序圖可以看出,燃油漲跌率在零處波動異常頻繁,波動在顯著的集聚性特征。此外,本文還采用時下較為普遍的拉格朗日乘數(shù)法(LM法)來對上海燃的收益率的條件方差進行了ARCH效應(yīng)檢驗,滯后10期的檢驗結(jié)果如表表3.3序列ARCH檢驗結(jié)果:HeteroskedastieityTest:ARCHstatistic3.343676Prob·F(5,1430)0.002431s*R一squared18.715018Prob.Chi一Square(10)}0.002427從上表可以看出,樣本序列在滯后期為10時,所得的相伴概率仍小于水平,這說明殘差序列有較高的異方差性,需要采用GARCH類模型來
【學(xué)位授予單位】:青島大學(xué)
【學(xué)位級別】:碩士
【學(xué)位授予年份】:2011
【分類號】:F724.5;F224
【參考文獻】
相關(guān)期刊論文 前10條
1 楊士鵬;;VaR-APARCH模型與期貨投資風(fēng)險量化分析[J];商業(yè)研究;2005年23期
2 鄭文通;金融風(fēng)險管理的VAR方法及其應(yīng)用[J];國際金融研究;1997年09期
3 姚剛;風(fēng)險值測定法淺析[J];經(jīng)濟科學(xué);1998年01期
4 陳守東,俞世典;基于GARCH模型的VaR方法對中國股市的分析[J];吉林大學(xué)社會科學(xué)學(xué)報;2002年04期
5 李婷婷;汪飛星;;基于極值理論和Bootstrap方法的E-VaR研究和實證分析[J];價值工程;2007年03期
6 張劍;;淺談金融衍生工具的兩種風(fēng)險管理方法VaR和CVaR[J];理論界;2007年06期
7 郭衛(wèi)娟;;基于貝葉斯方法的風(fēng)險價值VaR的計算[J];湖北教育學(xué)院學(xué)報;2007年02期
8 王玉玲;;CVaR方法在投資組合中的應(yīng)用[J];統(tǒng)計與決策;2008年02期
9 葉青;基于GARCH和半?yún)?shù)法的VaR模型及其在中國股市風(fēng)險分析中的應(yīng)用[J];統(tǒng)計研究;2000年12期
10 范英;VaR方法及其在股市風(fēng)險分析中的應(yīng)用初探[J];中國管理科學(xué);2000年03期
本文編號:2614062
本文鏈接:http://sikaile.net/weiguanjingjilunwen/2614062.html
最近更新
教材專著