分位数回归与金融风险研究

发布时间：2021-10-29 00:34

　　2001年,我国正式加入WTO,近年来,随着全球经济一体化,一个国家的金融资产价格的波动往往会导致全球的连锁反应,特别是当某个国家出现金融危机时,往往会给全球经济带来严重的后果,在这样的背景下,对金融风险的研究已显得越来越重要。为了能及时反映金融市场中资产收益的损失程度以便更好地规避风险,VaR正成为金融监管当局以及各金融机构广泛使用的风险管理工具,它可以对资产组合在未来一段时间内可能遭受到的最大损失进行量化。1996年,在巴塞尔委员会的风险资本协议中,明确规定了要使用VaR模型对风险进行量化。但是目前还没有一种权威的计算VaR的方法,因此如何对VaR进行精确的度量以更好地利用VaR来进行风险管理便显得极具理论与现实意义。本文根据VaR本身的特性,将分位数回归应用到计算VaR的过程中,试图寻找一种新的计算VaR的方法。本文的主要内容及创新可概括为如下两个方面：首先,突出了分位数回归与VaR相结合；在总结了应用分位数回归进行金融风险度量方法的基础上,重点提出分位数回归与VaR相结合的方法CAViaR方法；然后对中国期货市场的风险应用CAViaR方法进行实证分析,并在此基础上与其他几种计算... 

【文章来源】：首都经济贸易大学北京市

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

四种期货产品收益率序列的散点图

500t0001500200025D0500100015002D002500图5.1四种期货产品收益率序列的散点图图5.2到图5.5是四种期货产品收益率的分布直方图，表5.1对它们四种的基本统计特征进行了总结，四种期货产品的均值都接近于零，而且都表现为负偏，所有期货收益率的峰度均显著大于正态分布的峰度，J一B统计量的P值接近于0。从中我们可以看出，四种期货的收益率序列都有尖峰厚尾的特征，同时也存在波动率集聚现象，所以它们都不服从正态分布。Series:LCUPT SamPle12654 Observations2653M三an入徒d旧nM日ximUmMjnimUmStd.DevSkewneSSKUrtOSIS 0t000505 0t0006320056753一 0.062046 0.016282一0277369454043700九UD门UO内O‘4JJarque一Beraprobability296.32700一000000图5.2沪铜期货收益率直方图第30页，共60页

图5.5硬麦期货收益率直方图表5.1四种期货收益率的基本统计特征总结均均均值值最大值值最小值值偏度度峰度度P0.000505550.05675333一0.06204666一0.277369994.5404377700.000464440.08752999一0.08603000一0.280723335.0196944400.000464440.05692333一0.09923222一0.349471114.9124555500.000505550.05669555一0.06264333一0.277300004.545306660第31页，共60页

【参考文献】：
期刊论文
[1]评估风险的期望损失计算及应用研究[J]. 余鹏,阎春宁,陈志宏.  上海大学学报(自然科学版). 2004(01)
[2]VAR模型及其在投资组合中的应用[J]. 景乃权,陈姝.  财贸经济. 2003(02)
[3]VaR模型及其在股票风险评估中的应用[J]. 邱阳,林勇.  重庆大学学报(社会科学版). 2002(02)
[4]金融市场风险之测定工具—VaR法的原理及应用[J]. 陈之楚,王永霞.  现代财经-天津财经学院学报. 2001(07)
[5]基于GARCH和半参数法的VaR模型及其在中国股市风险分析中的应用[J]. 叶青.  统计研究. 2000(12)
[6]VaR方法及其在股市风险分析中的应用初探[J]. 范英.  中国管理科学. 2000(03)
[7]风险资本与VaR资本分配方法修正[J]. 张则斌,黄智猛.  预测. 2000(02)
[8]市场风险的量度:VaR的计算与应用[J]. 詹原瑞.  系统工程理论与实践. 1999(12)
[9]VaR模型及其在金融监管中的应用[J]. 刘宇飞.  经济科学. 1999(01)
[10]金融风险管理的VAR方法及其应用[J]. 郑文通.  国际金融研究. 1997(09)



本文编号：3463617