金融风险测度CVaR及其在中国证券市场中应用的研究

发布时间：2018-02-01 16:32

  本文关键词： 风险测度 CVaR 高频数据 HAR-RV-GARCH模型 后验检验　出处：《山东财经大学》2013年硕士论文　论文类型：学位论文

【摘要】：在金融领域风险是备受关注的永恒话题，对金融风险的防范和管理已经成为整个经济安全的核心。风险测度是对风险的定量分析及评估，是风险管理的重要环节。本文以新兴金融风险测度CVaR为主要研究对象，介绍CVaR的基本原理及计算方法，同时结合上证指数和深证成指的日收益序列和五分钟高频收益序列，对我国证券市场的风险进行度量。采用误差服从正态分布、t分布和GED分布的GARCH模型估计低频收益序列的波动率，HAR-RV模型和MIDAS模型对五分钟收益计算得到的已实现波动率进行建模，并基于回归结果将HAR-RV模型扩展为HAR-RV-GARCH模型，取得非常好的预测效果。得到条件方差的预测值之后，利用R软件编程计算不同置信水平下的风险测度值VaR和CVaR序列，通过后验检验评价各类模型下VaR的有效性，同时将CVaR序列与VaR序列和实际损失序列对比分析，探讨CVaR的优越性，筛选出测量我国证券市场风险的最优模型。最后的结论是：无论是低频波动率模型还是高频波动率模型下的CVaR都比VaR有更高的测算精度，说明CVaR是一种比VaR更有效的风险测度工具；高频数据下的CVaR比低频数据下的CVaR更稳健、更有效，其中以HAR-RV-GARCH模型下的CVaR最为有效。
[Abstract]:Risk in the financial field is an eternal topic of concern, the prevention and management of financial risk has become the core of economic security. Risk measurement is the quantitative analysis and evaluation of risk. It is an important link of risk management. This paper introduces the basic principle and calculation method of CVaR, taking the emerging financial risk measure CVaR as the main research object. At the same time, combining the daily income series of Shanghai Stock Exchange Index and Shenzhen Stock Exchange Index and the five-minute high-frequency return series, the paper measures the risk of China's securities market and adopts the error clothing to follow the normal distribution. T distribution and GED distribution GARCH model estimates the volatility of low frequency return series. HAR-RV model and MIDAS model are used to model the realized volatility obtained from the five-minute income calculation. Based on the regression results, the HAR-RV model is extended to the HAR-RV-GARCH model, and the prediction results are very good. The risk measure values VaR and CVaR sequences of different confidence levels are calculated by using R software, and the validity of VaR under various models is evaluated by a posteriori test. At the same time, the superiority of CVaR is discussed by comparing CVaR sequence with VaR sequence and actual loss sequence. The final conclusion is that the CVaR under both the low frequency volatility model and the high frequency volatility model has higher accuracy than VaR. It shows that CVaR is a more effective risk measurement tool than VaR. The CVaR in the high frequency data is more robust and effective than the CVaR in the low frequency data, and the CVaR in the HAR-RV-GARCH model is the most effective.
【学位授予单位】：山东财经大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：F832.51;F224

【参考文献】

相关期刊论文 前10条

1 林辉,何建敏;VaR在投资组合应用中存在的缺陷与CVaR模型[J];财贸经济;2003年12期

2 顾胥,蒲勇健,雍少宏;风险管理的CVaR法及其在银行信用风险度量中的运用[J];重庆大学学报(自然科学版);2004年11期

3 岳瑞锋,李振东,杨晓萍;风险管理的CVaR方法及其简化模型[J];河北省科学院学报;2003年03期

4 叶华;王跃平;;VaR在商业银行汇率风险管理中的应用[J];经济与社会发展;2007年02期

5 李成;马国校;;VaR模型在我国银行同业拆借市场中的应用研究[J];金融研究;2007年05期

6 邵锡栋;殷炼乾;;基于实现极差和实现波动率的中国金融市场风险测度研究[J];金融研究;2008年06期

7 任梅春;韩萍;;关于风险度量方法VaR的文献综述[J];科技信息;2006年11期

8 刘晓星,何建敏,刘庆富;基于VaR-EGARCH-GED模型的深圳股票市场波动性分析[J];南开管理评论;2005年05期

9 徐永春;高岳林;;金融风险管理的CVaR方法及实证分析[J];求索;2009年02期

10 张艳红;袁博;左振钊;;金融风险度量方法Var与CVar的实用性研究[J];商场现代化;2008年26期

相关博士学位论文 前1条

1 胡小平;La-ES与最优变现策略模型研究[D];东南大学;2006年

，

本文编号：1482313