發(fā)布時間：2018-06-04 22:16

  本文選題：股指期貨 + 動態(tài)保證金　； 參考：《山東大學(xué)》2017年碩士論文

【摘要】：保證金制度可以有效管控期貨市場風(fēng)險,設(shè)置合適的保證金水平,是提高期貨市場運(yùn)行效率、實(shí)現(xiàn)期貨市場長期穩(wěn)定與繁榮的基石。我國的靜態(tài)保證金制度在運(yùn)行過程中面臨著調(diào)節(jié)機(jī)制僵化、設(shè)置偏高等弊端,而動態(tài)保證金可以根據(jù)市場風(fēng)險調(diào)整保證金水平,既能有效管控市場風(fēng)險,又可以提高期貨市場的效率。因此,動態(tài)保證金是保證金制度發(fā)展的潮流,研究動態(tài)保證金設(shè)定方法,具有十分重要的現(xiàn)實(shí)意義。股指期貨保證金水平的設(shè)定關(guān)鍵是對風(fēng)險價值VaR的度量和計算,本論文采用理論分析和實(shí)證研究相結(jié)合的研究方法。理論部分主要介紹了參數(shù)法、非參數(shù)法、極值理論等VaR的計算方法,其中參數(shù)法基于收益率序列服從正態(tài)分布的假設(shè),主要包括Delta—正態(tài)分布、EWMA、GARCH模型,非參數(shù)法主要是指歷史模擬法,從歷史數(shù)據(jù)來模擬計算VaR。極值理論主要介紹了 POT模型的基本原理,以及將GARCH模型和POT模型相結(jié)合的VaR計算。實(shí)證部分選取2010年4月16日至2017年4月18日的股指期貨活躍合約的日結(jié)算數(shù)據(jù),建立五種動態(tài)VaR模型,利用Kupiec檢驗方法對五種模型在不同時間窗口和置信水平情形下的準(zhǔn)確性進(jìn)行檢驗。在實(shí)證過程中對數(shù)據(jù)的正態(tài)性、平穩(wěn)性和波動聚集性進(jìn)行檢驗,檢驗結(jié)果表明我國的股指期貨收益率序列是平穩(wěn)序列,并不不服從正態(tài)分布,具有尖峰厚尾、波動聚集性和長時記憶性等特征。實(shí)證結(jié)果表明歷史時間窗口的選擇對Delta—正態(tài)分布和歷史模擬法影響程度較大,較短的時間窗口 250天VaR的預(yù)測結(jié)果更靈敏,在模型預(yù)測準(zhǔn)確的情況下?lián)舸╊l率較低。在95%的低置信水平下,只有GARCH-P0T模型存在高估風(fēng)險的狀況,其余四種模型均預(yù)測準(zhǔn)確。在97.5%、99%的高置信水平下,Delta—正態(tài)分布、EWMA、GARCH存在一定程度的風(fēng)險低估狀況,這與收益率存在尖峰厚尾的實(shí)際情況相符。歷史模擬法在這兩種高置信水平下,對VaR的預(yù)測最為準(zhǔn)確,GARCH-POT模型在99%的最高置信水平下VaR預(yù)測結(jié)果準(zhǔn)確,這是由于極值理論的基本原理和特性決定的。
[Abstract]:Margin system can effectively control the risk of futures market, set the appropriate margin level, is to improve the efficiency of the futures market, to achieve long-term stability and prosperity of futures market cornerstone. The static margin system in our country is faced with some disadvantages such as rigid regulation mechanism and high setting, while dynamic margin can adjust the margin level according to the market risk, which can effectively control the market risk. It can also improve the efficiency of the futures market. Therefore, dynamic margin is the trend of the development of margin system. It is of great practical significance to study the method of dynamic margin setting. The key to setting the margin level of stock index futures is to measure and calculate the value of risk VaR. This paper adopts the research method of combining theoretical analysis and empirical research. The theoretical part mainly introduces the calculation methods of VaR, such as parametric method, non-parametric method and extreme value theory. The parametric method is based on the assumption of normal distribution of return sequence, including Delta-normal distribution and EWMA-GARCH model. The non-parametric method mainly refers to the historical simulation method, which simulates and calculates VaR from historical data. The extreme value theory mainly introduces the basic principle of POT model and the VaR calculation which combines GARCH model with POT model. The empirical part selects the daily settlement data of the active stock index futures contracts from April 16, 2010 to April 18, 2017, and establishes five dynamic VaR models. The accuracy of the five models under different time windows and confidence levels is tested by using Kupiec test method. In the process of demonstration, we test the normality, smoothness and volatility aggregation of the data. The results show that the stock index futures yield series in China is a stationary sequence, which does not disobey the normal distribution, and has a sharp and thick tail. Volatility clustering and long-term memory and other characteristics. The empirical results show that the choice of historical time window has a great influence on Delta-normal distribution and historical simulation. The VaR prediction results of a shorter time window of 250days are more sensitive, and the breakdown frequency is lower when the model is accurate. Under the 95% low confidence level, only the GARCH-P0T model has overestimated risk, and the other four models are accurate. Under the high confidence level of 97.5%, Delta-normal distribution and EWMA-GARCH have a certain degree of risk underestimation, which is consistent with the actual situation that the yield has a sharp and thick tail. Under these two high confidence levels, the historical simulation method is the most accurate in the prediction of VaR at the highest confidence level of 99%, which is determined by the basic principle and characteristics of extreme value theory.
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：F724.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周佳;汪瓊;;統(tǒng)計極值理論在金融風(fēng)險中的運(yùn)用及探討[J];時代經(jīng)貿(mào)(下旬刊);2007年06期

2 劉雪梅;樊明方;;極值理論在巨災(zāi)損失擬合中的應(yīng)用[J];統(tǒng)計與決策;2008年20期

3 李鋒;劉澄;;基于極值理論的金融風(fēng)險研究[J];商業(yè)研究;2010年05期

4 柳會珍;;統(tǒng)計極值理論及其應(yīng)用研究進(jìn)展[J];統(tǒng)計與決策;2006年16期

5 李娟;趙選民;;二元極值理論在滬深股市尾部風(fēng)險度量中的應(yīng)用[J];系統(tǒng)管理學(xué)報;2007年01期

6 常呈云;;極值理論在經(jīng)濟(jì)決策中的應(yīng)用[J];河南財經(jīng)學(xué)院學(xué)報;1992年03期

7 全登華;利用極值理論計量銀行操作風(fēng)險[J];統(tǒng)計與決策;2002年03期

8 曹中;陶愛元;沈?qū)W楨;;應(yīng)用極值理論度量金融市場風(fēng)險[J];商業(yè)研究;2006年23期

9 梁q;張三寶;;基于極值理論和貝葉斯估計的金融風(fēng)險度量[J];時代經(jīng)貿(mào)(中旬刊);2008年S8期

10 李文華;;基于極值理論的商業(yè)銀行同業(yè)拆借利率風(fēng)險度量[J];統(tǒng)計與決策;2012年08期

相關(guān)會議論文 前1條

1 陳倩;;基于極值理論的商業(yè)銀行操作風(fēng)險度量研究[A];第十四屆中國管理科學(xué)學(xué)術(shù)年會論文集(上冊)[C];2012年

相關(guān)博士學(xué)位論文 前4條

1 張相賢;基于極值理論的金融資產(chǎn)配置研究[D];東華大學(xué);2011年

2 花擁軍;極值理論在中國股市風(fēng)險度量中的應(yīng)用研究[D];重慶大學(xué);2009年

3 余為麗;基于極值理論的VaR及其在中國股票市場風(fēng)險管理中的應(yīng)用[D];華中科技大學(xué);2006年

4 紀(jì)比拉;基于極值理論的國際權(quán)益資產(chǎn)組合下側(cè)風(fēng)險測量[D];天津大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 謝婷;基于極值理論的風(fēng)電機(jī)組極端載荷分析[D];華北電力大學(xué);2015年

2 張丹青;一類概括化位置不變重尾指數(shù)估計[D];山西大學(xué);2014年

3 王楠;VaR的幾種統(tǒng)計推斷方法的比較[D];廣西師范大學(xué);2015年

4 丁新月;幾種分布下的Bayes統(tǒng)計推斷問題及極值理論在VaR中的應(yīng)用[D];北京工商大學(xué);2015年

5 孫博;基于極值理論的盧布匯率與布倫特原油風(fēng)險測度及時變相關(guān)性分析[D];浙江工商大學(xué);2015年

6 孫琨;中國股市金融市場風(fēng)險的度量研究[D];中國海洋大學(xué);2015年

7 田雅瓊;基于極值理論的人身保險理賠風(fēng)險研究[D];山東財經(jīng)大學(xué);2016年

8 傅倩娜;基于極值理論下的利率市場風(fēng)險綜合指數(shù)的構(gòu)建[D];華東師范大學(xué);2016年

9 龔浩;地震震級統(tǒng)計研究[D];南京師范大學(xué);2015年

10 李月琳;極值理論在風(fēng)險度量中的應(yīng)用[D];西南財經(jīng)大學(xué);2016年

，

本文編號：1979039