基于EGARCH—GED模型下的股市风险测度研究

根据我国股市市场收益的基本特征,首先运用AR—EGARCH模型来捕获上海证综合指数收益序列的自相关性、波动集聚性和杠杆效应;然后利用广义误差分布估计其厚尾分布,建立了能准确度量时变风险价值的AR—EGARCH—GED模型,并与基于正态分布和学生t分布的AR—EGARCH模型所计算的风险价值效果进行比较．最后,通过实证分析,并利用后验测试,表明基于AR—EGARCH—GED模型的风险价值能更好地刻画我国股市的市场风险．     

上海银行间同业拆借利率的VaR度量研究

随着利率市场化的推进,利率风险的管理越来越受到银行重视.同时,上海银行间同业拆借利率有希望成为市场的基准利率.选择GARCH族模型对SHIBOR中的隔夜拆借利率数据进行分析,在GARCH族模型的基础上,利用VaR模型度量收益率序列的空头和多头的风险值进行回测检验.实证结果如下:从拟合效果来看,GED分布更能准确刻画SHIBOR对数收益率序列的分布;TARCH模型和EGARCH模型非对称项系数显著且分别小于零和大于零,表明序列的波动存在“反杠杆效应”;AR(1)-EGARCH(1,2)-GED-VaR模型能有效度量空头和多头的利率风险.     

基于GARCH模型的证券市场风险的VaR度量

在对VaR理论进行简单介绍的基础上,将残差分别服从正态分布、T-分布、GED分布的GARCH族模型运用到VaR的计算当中,对中国上证综合指数进行了实证分析,并对各GARCH族模型的计算结果进行了比较,在对VaR值进行准确性验证后发现:T-分布和GED分布下的GARCH族模型预测的VaR值比较准确,能较真实地反映上证综指的市场风险程度,据此得出了几点结论和建议。     

EGARCH模型在VaR中应用

提出了基于EGARCH-VaR的半参数方法,根据EGARCH模型参数估计得到VaR值,计算出溢出率。再根据正态分布和t分布假设下的GARCH模型参数估计得到VaR值以及溢出率。将GARCH模型的VaR值与EGARCH-VaR模型进行比较,结果表明,基于EGARCH-VaR的半参数方法对风险价值的测度优于正态分布和t分布假设下的VaR计量方法。     

基于VaR方法和GARCH模型族的上证综指实证分析

在三种GARCH模型下,本文分析比较了上证综指在服从正态分布,分布和GED分布下的Va R值。分析显示,GED分布情形下可以较为准确地刻画股市收益率的尖峰厚尾现象,EGARCH和PGARCH模型能够更好地刻画股票的波动规律。     

基于TARCH模型的VaR方法对上海股市的分析

应用方差—协方差方法中的GARCH和TARCH模型计算了上证综合指数的VaR值.在GARCH和TARCH模型中分别应用了正态分布、t分布和GED分布3种不同的分布假设,并通过Kupiek检验比较了各种模型的优劣.     

非对称GARCH模型在VaR预测上的应用

基本统计分析发现,上证综合指数回报率分布存在高峰厚尾性,不服从正态分布,并且还具有杠杆效应.本文应用非对称APARCH模型在四种分布(正态分布、T分布、GED分布和SKST分布)假设下对上证综合指数通过事后模拟和条件单步预测来计算上证综合指数的VaR风险值,然后把它与GARCH模型的估计结果进行比较分析.通过返回检验,发现APARCH应用于VaR估计是统计有效的,并且明显优于GARCH模型.     

基于Copula-VaR的市场风险度量问题研究

金融资产间相关结构的度量是投资组合风险管理中的一个重要问题,为解决这一问题,将Copula函数应用于风险管理,并以此建立相关模型以克服传统的正态分布和线性相关性假设的不足,采用GARCH模型对单个资产建模,分析运用正态Copula函数刻画股票市场收益率的联合分布并计算VaR,发现该模型优于传统的VaR计算方法.     

基于极值理论的沪深股市风险度量

选取了沪市和深市近10 年的日收盘价数据, 对上证综合指数和深证成分指数的日对数收益率进行风险度量研究。根据数据的尖峰、肥尾和非对称性等特征, 在EGARCH 模型和Beta-skew-t-EGARCH 模型中加入极值理论的POT 模型去刻画其尾部分布特征, 对比了EGARCH-t 模型、EGARCH-t-POT 模型和Beta-skew-t-EGARCH-POT 模型分别在95%和99%置信水平下的VaR 值, 并用返回检验来检验 VaR 的有效性。结果表明: Beta-skew-t-EGARCH 模型能够很好地刻画金融时间序列的尖峰、肥尾特性和非对称性等特征; 加入极值理论的POT 模型有效提高了模型有效性。从总体来看, 波动率模型和极值理论的结合能较好地刻画金融市场的风险。     

基于GARCH模型的VaR方法在股市风险分析中的实证研究

介绍了利用GARCH模型的VaR计算方法,并引入了股票市场的风险价值VaR实例计算,据此定量测量股票市场风险,为企业经营者的风险管理及一般投资者的投资风险分析提供依据.     

中国股市波动的异方差模型

从分析上证A股股指收益率入手,运用了GARCH,EGARCH,TARCH等ARCH类模型.选定出能更好地刻画近期我国股指收益率序列特征的模型.实证分析结果表明:现阶段上海股票市场显著的表现出对信息反应的非对称性;通过模型的比较分析,发现GARCH模型能更好地刻画我国现阶段股指收益率序列的特征;上证A股市场的收益率一直存在风险补偿,且为负向,即风险惩罚。     

一种q-高斯分布的VaR计算方法

准确地描述资产收益率分布是进行风险度量的基础.利用q-高斯分布刻画股票的收益率,运用泰勒级数给出一种新的基于q-高斯分布的VaR计算公式.实证分析结果表明,运用q-高斯分布拟合上证综合指数的收益率比用正态分布样本平均误差减少了22.40%;在置信水平分别为0.05和0.01下,正态分布计算的VaR要比q-高斯分布计算的分别低估16.00%和30.88%;而且低估风险的程度随置信水平的减小而增加.说明q-高斯分布能够准确地刻画资产收益率分布的"尖峰厚尾"现象,用该分布进行VaR风险度量可以有效地克服风险被低估情况的发生.     

应用极值理论计算在险价值--对上证指数的实证研究

在险价值（VaR）是度量市场风险的普遍工具,可看作是市场风险度量的基石.在估计资产尾部的VaR时,极值方法比传统方法更具优势.但是,一般的极值模型都假定数据是独立同分布的,而大多金融数据具有局部相关性,并不满足模型的条件.笔者利用分串的方法处理上证指数的数据,得到了较好的结果.     

基于GARCH模型的WTI原油价格波动性分析

运用GARCH、EGARCH的t分布模型对WTI原油现货价格进行了统计拟合分析,得到了其收益率序列尖峰厚尾和异方差性等主要概率特征,并对GARCH、EGARCH的t分布模型的预测效果进行了比较分析,发现基于学生t分布的EGARCH模型比GARCH模型能更好地描述WTI原油价格的波动特征,并且具有较好的预测能力.     

基于GARCH模型的波动率预测及应用

以中国石油（601857）股票2010年1月15日至2011年1月17日交易日收盘价格的实际数据为样本,建立了股票对数收益率波动率的GARCH模型,利用Eviews软件进行参数估计得到波动率的方程,并对波动率进行预测,从而得到基于GARCH模型预测波动率的欧式看涨期权的价格和风险值VaR的计算。     

基于GARCH类模型的VaR——一种融合市场风险与流动性风险的合成管理模型

在一种融合市场风险与流动性风险的合成风险管理模型——LaVaR模型的基础上,利用自回归模型和GARCH类模型将LaVaR动态化.并且通过SAS软件强大的编程功能将金融数据常有的集群性、高峰厚尾性、非对称性等纳入同一个模型,从而能够同时考察序列的各种性质,使得预测也更加准确.将GARCH类模型动态化VaR的方法,可以更加准确地计算风险值.     

基于GARCH模型的企业汇率风险度量研究

运用极值理论和GARCH模型对企业的汇率风险进行研究,分析人民币对美元的统计分布特征,并对收益率的尾部进行建模,进而计算出VaR与CVaR值,返回检验证明该模型具有准确性与有效性。研究结果表明,该模型具有超越样本的估计能力,比传统工具更适合度量尾部分布下的金融时间序列。     

基于时变Copula的风险价值度量

传统的VaR度量方法明显存在一些不足,引入时变Copula与Garch相结合的模型进行VaR度量,该模型不仅可以捕捉金融市场间的非线性相关性,还可以得到它们之间的尾部相关行为的动态变化。实证结果表明:利用时变Cop-ula进行VaR度量,整体上度量的效果要优于传统的VaR度量方法,而传统的方法(除bootstrap外)则存在着低估市场风险的现象。     

GARCH模型的残差分布比较研究及实证分析

在三种不同的分布假设:正态分布、学生t分布、GED分布下,对GARCH模型进行了比较研究。并对沪深300指数收益率进行了实证分析。研究结果表明:在不同的分布假设下,GED分布更能反映沪深300指数收益率的尖峰厚尾性,更能准确地描述沪深市场的波动性。     

GARCH模型的经验似然估计

以计量经济学中ARCH模型族为背景,对GARCH模型进行讨论和研究。讨论了基于GED分布的β-ARCH模型和GARCH模型的经验极大似然估计的求解方法,得到了相应的平稳模型的大样本性质定理。