本文關(guān)鍵詞：基于分位數(shù)GARCH類模型的我國股市風(fēng)險度量研究

  更多相關(guān)文章： 風(fēng)險度量 分位數(shù)GARCH模型 LA-QGARCH QGARCH-V

【摘要】：在金融領(lǐng)域全球化和自由化的共同驅(qū)動下,全球金融出現(xiàn)風(fēng)險共振和損失共擔(dān)的局面。當(dāng)一國發(fā)生金融危機(jī),全球經(jīng)濟(jì)由于受連鎖反應(yīng)的影響而遭受嚴(yán)重的經(jīng)濟(jì)損失,其所表現(xiàn)出的破壞性和易發(fā)性特點(diǎn)也日益明顯。國內(nèi)已有文獻(xiàn)對金融風(fēng)險度量問題的研究主要是基于傳統(tǒng)分位數(shù)GARCH模型。在這樣的背景下,運(yùn)用拓展的分位數(shù)GARCH對金融風(fēng)險度量的研究顯得尤為重要,通過對風(fēng)險水平進(jìn)行精確的量化,反映出資產(chǎn)收益的損失程度,從而使得投資者能夠及時規(guī)避市場風(fēng)險,減少損失,更有助于相關(guān)監(jiān)管部門對于金融市場的波動做出應(yīng)對措施,保證市場良好有效地運(yùn)行。傳統(tǒng)分位數(shù)GARCH回歸模型只是從市場風(fēng)險本身角度出發(fā),并沒有涉及其他因素對市場風(fēng)險的影響。本文則基于傳統(tǒng)分位數(shù)GARCH回歸模型理論,同時考慮到金融市場中的交易流動性以及非預(yù)期交易量對收益率的影響,提出LA-QGARCH和QGARCH-V模型。通過對上證綜指和深證成指股指收益率分別建立QGARCH、LA-QGARCH和QGARCH-V三類風(fēng)險計量模型,比較在不同分位點(diǎn)處不同模型對上海和深圳交易所風(fēng)險度量的準(zhǔn)確性和穩(wěn)定性,探索QGARCH族的相關(guān)模型在不同市場不同分位點(diǎn)處模型預(yù)測精度的差異。得出:LA-QGARCH模型和QGARCH-V模型在5%分位點(diǎn)處對滬市風(fēng)險的預(yù)測上同時表現(xiàn)甚佳,而在1%和2.5%的分位點(diǎn)處傳統(tǒng)的QGARCH對VaR的預(yù)測具有絕對優(yōu)勢,準(zhǔn)確程度遠(yuǎn)高于其他模型,但前者在高分位點(diǎn)上略遜于后者;而對于深股市場的深證成指來說,LA-QGARCH和QGARCH-V兩模型對于1%和2.5%的低分點(diǎn)上風(fēng)險預(yù)測精度更優(yōu),而在高分位點(diǎn)上傳統(tǒng)QGARCH模型的VaR預(yù)測準(zhǔn)確性則相對極高。綜上所述,雖然基于流動性指標(biāo)構(gòu)建的LA-QGARCH模型和基于非預(yù)期交易量的分位數(shù)GARCH-V模型并不是在所有分位點(diǎn)效果最佳,但從股指收益率和VaR序列對比圖可以看出,所構(gòu)建的模型相對比較穩(wěn)定,這為改進(jìn)風(fēng)險度量模型提供了新思路。
【關(guān)鍵詞】：風(fēng)險度量 分位數(shù)GARCH模型 LA-QGARCH QGARCH-V
【學(xué)位授予單位】：華僑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F224;F832.51
【目錄】：

• 摘要3-4
• Abstract4-8
• 第1章 緒論8-18
• 1.1 選題依據(jù)8-10
• 1.1.1 選題背景8-10
• 1.1.2 選題意義10
• 1.2 國內(nèi)外研究綜述10-14
• 1.2.1 國外研究綜述10-12
• 1.2.2 國內(nèi)研究綜述12-14
• 1.2.3 國內(nèi)外研究評述14
• 1.3 研究內(nèi)容和研究方法14-16
• 1.3.1 研究內(nèi)容14-15
• 1.3.2 研究方法15-16
• 1.4 創(chuàng)新之處16-18
• 第2章 相關(guān)理論概述18-28
• 2.1 風(fēng)險度量方法概述18-20
• 2.1.1 早期風(fēng)險度量方法18
• 2.1.2 基于方差的風(fēng)險度量方法18-19
• 2.1.3 平均絕對離差風(fēng)險度量方法19
• 2.1.4 靈敏度方法19
• 2.1.5 VaR方法19-20
• 2.2 風(fēng)險價值（VaR）相關(guān)理論20-24
• 2.2.1 VaR的影響因素分析20-21
• 2.2.2 VaR的計算方法21-23
• 2.2.3 VaR方法的優(yōu)缺點(diǎn)23-24
• 2.3 分位數(shù)回歸24-28
• 第3章 GARCH類風(fēng)險計量模型的構(gòu)建及檢驗28-38
• 3.1 傳統(tǒng)分位數(shù)GARCH模型28-31
• 3.2 分位數(shù)GARCH模型的檢驗31-32
• 3.2.1 失敗比率（Coverage Rate）31-32
• 3.2.2 Kupeic檢驗32
• 3.3 基于流動性指標(biāo)的分位數(shù)GARCH模型的構(gòu)建32-34
• 3.3.1 流動性指標(biāo)的構(gòu)建32-34
• 3.3.2 LA-QGARCH模型的構(gòu)建34
• 3.4 基于混合分布假說理論分位數(shù)GARCH模型的構(gòu)建34-38
• 3.4.1 混合分布假說理論（MDH）34-35
• 3.4.2 交易量的分解35-36
• 3.4.3 QGARCH-V模型的構(gòu)建36-38
• 第4章 實證分析及模型對比38-54
• 4.1 數(shù)據(jù)描述38-40
• 4.2 數(shù)據(jù)基本檢驗40-41
• 4.2.1 股指收益率的平穩(wěn)性檢驗40-41
• 4.2.2 ARCH效應(yīng)檢驗41
• 4.3 基于傳統(tǒng)分位數(shù)GARCH風(fēng)險度量模型的實證分析41-44
• 4.4 基于LA-QGARCH風(fēng)險度量模型的實證分析44-45
• 4.5 基于QGARCH—V風(fēng)險度量模型的實證研究45-50
• 4.5.1 交易量去除趨勢45-47
• 4.5.2 去勢交易量的分解47-48
• 4.5.3 基于混合分布假說理論分位數(shù)GARCH-V模型的實證研究48-50
• 4.6 單股指多模型有效性對比50-54
• 第5章 總結(jié)和展望54-58
• 5.1 研究總結(jié)54-55
• 5.2 研究展望55-56
• 5.3 論文存在的不足之處56-58
• 參考文獻(xiàn)58-62
• 致謝62-64
• 附錄64-72
• 個人簡歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及研究成果72

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳佩群;;國營商店零售價格仍需保留分位數(shù)[J];價格月刊;1992年01期

2 謝福祥;;也談國營商店零售價格仍需保留分位數(shù)[J];價格月刊;1992年04期

3 鄭李玲;;缺失數(shù)據(jù)下條件分位數(shù)的估計及其漸近性質(zhì)[J];廣西科學(xué);2009年03期

4 陳磊;曾勇;杜化宇;;石油期貨收益率的分位數(shù)建模及其影響因素分析[J];中國管理科學(xué);2012年03期

5 葛玉好;趙媛媛;;城鎮(zhèn)居民收入不平等的原因探析——分位數(shù)分解方法的視角[J];中國人口科學(xué);2010年S1期

6 許啟發(fā);蔣翠俠;;分位數(shù)局部調(diào)整模型及應(yīng)用[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2011年08期

7 陳雄強(qiáng);張曉峒;張慶昌;;通貨膨脹持久性及其非對稱性研究——基于分位數(shù)自回歸模型[J];經(jīng)濟(jì)與管理研究;2013年03期

8 李雅楠;廖利兵;;城鎮(zhèn)居民性別收入差距及其演變:1991~2009[J];人口與經(jīng)濟(jì);2014年02期

9 彭維湘;正態(tài)分布的分布函數(shù)及分位數(shù)的算法和編程技巧[J];中南財經(jīng)大學(xué)學(xué)報;1996年04期

10 王志剛;陳志芳;;非參數(shù)分位數(shù)估計在我國非壽險公司償付能力額度計算中的應(yīng)用[J];經(jīng)濟(jì)論壇;2012年12期

中國重要報紙全文數(shù)據(jù)庫 前2條

1 廣發(fā)期貨 謝貞聯(lián);IF1005期現(xiàn)價差波動規(guī)律的啟示[N];期貨日報;2010年

2 李莉;2009年金屬鋁價格走勢預(yù)測[N];中國有色金屬報;2008年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 陳雄強(qiáng);分位數(shù)自回歸模型理論與應(yīng)用研究[D];南開大學(xué);2013年

2 黃初;幾類新型相依條件下隨機(jī)變量的極限定理[D];浙江大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 梅云龍;刪失數(shù)據(jù)的條件高分位數(shù)估計[D];大連理工大學(xué);2015年

2 朱玲;貝葉斯分位數(shù)自回歸方法的研究及在香港恒生指數(shù)風(fēng)險測度上的應(yīng)用[D];南京財經(jīng)大學(xué);2014年

3 蔡際盼;WOD樣本下分位數(shù)和密度函數(shù)估計的強(qiáng)相合性[D];廣西師范學(xué)院;2015年

4 葛悠美;線性測量誤差模型中復(fù)合分位數(shù)估計的隨機(jī)加權(quán)方法[D];東華大學(xué);2016年

5 李麗鳳;PA樣本下含附加信息時分位數(shù)的統(tǒng)計推斷[D];廣西師范大學(xué);2015年

6 余珊珊;最優(yōu)分位數(shù)水平選擇方法及其在心電圖判別疾病類型中的應(yīng)用[D];華東師范大學(xué);2016年

7 張亞利;基于分位數(shù)GARCH類模型的我國股市風(fēng)險度量研究[D];華僑大學(xué);2016年

8 代繼府;基于分位數(shù)決策理論的資產(chǎn)定價研究[D];復(fù)旦大學(xué);2013年

9 姚春;分位數(shù)估計量的性質(zhì)及應(yīng)用[D];武漢科技大學(xué);2014年

10 付月;基于MM算法的分位數(shù)計算方法[D];延邊大學(xué);2010年

，

本文編號：1028337