隨著市場化進程的發(fā)展,行業(yè)之間的聯(lián)系愈發(fā)密切,分析行業(yè)風險變化特征及風險傳染效應具有重要意義。本文根據(jù)Wind一級行業(yè)分類,選擇能源、材料、工業(yè)、可選消費、日常消費、醫(yī)療保健、金融、信息技術、電信服務、公用事業(yè)和房地產(chǎn)十一個行業(yè),研究行業(yè)風險時序變化特征以及行業(yè)間的風險溢出效應。本文首先采用GJR模型刻畫十一個行業(yè)的尖峰厚尾、偏態(tài)分布的波動特征,較好地模擬波動的異方差性,再運用POT模型精確描述殘差序列的尾部分布,進而采用滾動窗口法描述不同水平下行業(yè)CVaR風險的動態(tài)變化,通過檢驗得到在95%、97.5%和99%三個水平下CVaR均具有較好的預測效果。并且本文基于Copula理論采用分布估計法測度我國市場整體極端風險,實證結(jié)果發(fā)現(xiàn)我國市場整體極端風險在均值0.03水平上下波動,2008年和2015年出現(xiàn)的風險峰值分別超出均值23%和40%。其次,基于各行業(yè)風險序列數(shù)據(jù),本文采用DAG技術分析行業(yè)風險間的同期因果關系,發(fā)現(xiàn)房地產(chǎn)和能源行業(yè)是主要的同期風險源頭,而公用事業(yè)、醫(yī)療保健和電信服務行業(yè)受到其他多個行業(yè)風險的同期影響。以DAG結(jié)果作為約束條件對行業(yè)風險構建SVAR模型,并采用方差分... 

【文章來源】：華中科技大學湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：49 頁

【學位級別】：碩士

【部分圖文】：

能源行業(yè)收益率波動模型擬合圖

(a) (b)圖 3-4 能源行業(yè)收益率標準化殘差序列及偏 t 分布檢驗圖采用 POT 模型擬合尾部分布，在閾值的選擇上，本文根據(jù) DuMouche 的 置上 10%分位數(shù)為閾值，并采用極大似然估計法得到參數(shù)估計結(jié)果如表 3-6表 3-6 各行業(yè) POT 模型參數(shù)估計表業(yè) 能源 材料 工業(yè) 可選消費 日常消費 醫(yī)療 0.0051 0.0073 0.0066 0.0074 0.0055 0.0-0.1939 0.0049 0.1009 -0.0526 0.0590 -0.0業(yè) 金融 信息技術 電信服務 公共事業(yè) 房地產(chǎn)0.0062 0.0074 0.0064 0.0076 0.0063-0.3992 0.0863 -0.1099 0.0404 0.0534圖 3-5 展示了 POT 模型對部分行業(yè)收益率尾部分布的擬合情況，可以看出好地描述了實際收益率的尾部特征。

(a) (b)圖 3-4 能源行業(yè)收益率標準化殘差序列及偏 t 分布檢驗圖用 POT 模型擬合尾部分布，在閾值的選擇上，本文根據(jù) DuMouche 的上 10%分位數(shù)為閾值，并采用極大似然估計法得到參數(shù)估計結(jié)果如表 3-表 3-6 各行業(yè) POT 模型參數(shù)估計表業(yè) 能源 材料 工業(yè) 可選消費 日常消費 醫(yī)療 0.0051 0.0073 0.0066 0.0074 0.0055 0.0-0.1939 0.0049 0.1009 -0.0526 0.0590 -0.業(yè) 金融 信息技術 電信服務 公共事業(yè) 房地產(chǎn)0.0062 0.0074 0.0064 0.0076 0.0063-0.3992 0.0863 -0.1099 0.0404 0.0534 3-5 展示了 POT 模型對部分行業(yè)收益率尾部分布的擬合情況，可以看出地描述了實際收益率的尾部特征。

【參考文獻】：
期刊論文
[1]全球系統(tǒng)性金融風險溢出與外部沖擊[J]. 楊子暉,周穎剛.  中國社會科學. 2018(12)
[2]我國金融機構系統(tǒng)性金融風險度量與跨部門風險溢出效應研究[J]. 楊子暉,陳雨恬,謝銳楷.  金融研究. 2018(10)
[3]國際原油市場極端風險的測度模型及后驗分析[J]. 王鵬,呂永健.  金融研究. 2018(09)
[4]比特幣價格波動極端風險、演化模式與監(jiān)管政策響應——基于結(jié)構突變點CAViaR-EVT模型的實證研究[J]. 郭文偉,劉英迪,袁媛,張思敏.  南方金融. 2018(10)
[5]我國上市商業(yè)銀行風險傳染研究——基于股價動態(tài)相關性[J]. 李志楠,邸瑤,沈沛龍.  經(jīng)濟問題. 2018(01)
[6]基于SV-POT-TDRM的滬深300股指期貨尾部風險研究[J]. 秦學志,郭明,宋宇.  系統(tǒng)管理學報. 2017(05)
[7]基于R-vine copula的原油市場極端風險動態(tài)測度研究[J]. 楊坤,于文華,魏宇.  中國管理科學. 2017(08)
[8]系統(tǒng)性風險的傳染渠道與度量研究——兼論宏觀審慎政策實施[J]. 方意.  管理世界. 2016(08)
[9]基于網(wǎng)絡視角的銀行業(yè)系統(tǒng)性風險度量方法[J]. 隋聰,譚照林,王宗堯.  中國管理科學. 2016(05)
[10]中國銀行業(yè)系統(tǒng)性風險監(jiān)測研究——基于SCCA技術的實現(xiàn)與優(yōu)化[J]. 李志輝,李源,李政.  金融研究. 2016(03)



本文編號：3572500