基于EGARCH-POT模型的互联网金融风险度量

发布时间：2024-12-18 03:31

　　互联网金融是由传统金融行业与互联网高新技术相结合形成的新业态,有着高度互联、高效传递、边际成本几近于零的特点,即便互联网金融业务的规模较小,也有可能在较短的时间内对整个市场造成冲击,从而给整个金融体系带来系统性风险,因此更需要加强对其风险的关注与度量。本文首先对学者们过去做过的研究文献进行了梳理,对互联网金融风险的种类、特征和生成机理进行了详细的剖析,为后文的风险度量做好铺垫。为了对互联网金融的风险进行度量,本文采用EGARCH模型与极值理论POT模型相结合的方式,以2014年至2018年中证互联金融指数的负对数收益率为研究对象,利用VaR和CVaR指标对我国互联网金融股票市场风险进行了实证分析,实证结果表明,在95%和99%两种不同的置信水平下,EGARCH模型能很好的拟合收益率的波动聚集性,极值理论的POT模型可对收益率的厚尾性特征进行拟合,从而在一定的程度上提高了 VaR估计的预测精度,也可以为监管部门制定相应的法律法规提供参考。针对实证研究的结果,文章在最后也提出了相应的风险防范建议。

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

图5.1中证互联金融指数负对数收益率时序图

Ｆｉｇ．５．１?ＣＳＩ?Ｉｎｔｅｒｎｅｔ?Ｆｉｎａｎｃｉａｌｓ?ｎｅｇａｔｉｖｅ?ｌｏｇａｒｉｔｈｍｉｃ?ｒｅｔｕｒｎｓ?ｃｈａｒｔ?ｔｉｍｉｎｇ??表５．１互联网金融指数的描述性统计??Ｔａｂｌｅ５．１?Ｄｅｓｃｒｉｐｔｉｖｅ?ｓｔａｔｉｓｔｉｃｓ?ｏｆ?ｉｎｔｅｒｎｅｔ?ｆｉ....

图５．２?ＰＯＴ模型拟合程度检验图??Ｆｉｇ．５．２?ＰＯＴ?ｍｏｄｅｌ?ｆｉｔｔｉｎｇ?ｄｅｇｒｅｅ?ｔｅｓｔ?ｃｈａｒｔ??５．５基于ＥＧ?ＡＲＣＨ－ＰＯＴ模型的ＶａＲ、ＣＶａＲ计算及检验??

５．４．２?ＰＯＴ模型拟合程度检验??为了考察ＰＯＴ模型拟合出来的参数估计值是否准确合理，同样需要对模型进行检??验，图５．２是残差序列拟合ＧＰＤ的诊断检验图。其中，左上角是超越量的分布函数图（横??坐标取对数刻度）；右上角是残差的碎石图；左下角为尾概率估计（取对数刻度）以及右下....

图５．４?ａ＝９９％置信水平下修正残差序列不同分布假设下的收益率ＶａＲ??

?２５０?３００??图５．３?ａ＝９５％置信水平下修正残差序列不同分布假设下的收益率ＶａＲ??Ｆｉｇ．５．３?Ｔｈｅ?ｙｉｅｌｄ?ＶａＲ?ｕｎｄｅｒ?ｔｈｅ?ａｓｓｕｍｐｔｉｏｎ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ｄｉｓｔｒｉｂｕｔｉｏｎｓ?ｏｆ?ｍｏｄｉｆｉｅｄ?ｒｅｓｉｄｕａｌｓ?ａ....

本文编号：4016988