基于高频数据的Cvar测度研究

发布时间：2022-01-19 06:08

　　Var是最近一些年才发展起来的一种风险测度技术,因其具有简洁、综合、实用等特点,受到众多组织的普遍欢迎,现已发展成为管理金融市场风险比较常用的方法。而计算Var的方法有很多,其中比较常用的是采用低频数据,也就是日收益数据,并基于GARCH类模型进行参数估计和预测,再根据参数值计算得到Var值。但是这样的低频数据必然会损失很多日内信息,从而使得到的Var值不能很好的覆盖实际风险水平。本文的研究就是基于这样的一个问题出发,先基于低频数据运用ARCH族类模型进行Var和Cvar测度。紧接着才‘是本文研究的重心,同时也是最大的创新点,即将高频数据模型（ACD—GARCH）引入风险测度领域与Cvar风险测度.技术相结合,测度出金融市场在一定置信度和分布（GED分布、正态分布、T分布）情况下的理论风险损失,并将测度结果与以往的低频数据模型以及Var技术所测度的风险损失进行比较,看其是否与实际损失值更接近,是否能更好的测度风险。具体过程是利用EVIEWS6.0与MATLAB7.0等软件完成ACD—GARCH模型的参数估计并运用编程技术测算Cvar值。最后得出结论：通过与未来5天的实际损失值比较可知,... 

【文章来源】：兰州财经大学甘肃省

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

表40.0000.0250.0504日收益率的直方图与统计量1日收益率基本统计特性表

0分钟收益率QQ图

GED分布假设下预测收益率的直方图与统计量2D3l1

【参考文献】：
期刊论文
[1]VaR在流动性风险测度中的运用[J]. 陈剑利,叶东疆,周明华.  浙江工业大学学报. 2009(05)
[2]交易间隔、超高频波动率与VaR——利用日内信息预测金融市场风险[J]. 邵锡栋,连玉君,黄性芳.  统计研究. 2009(01)
[3]基于高频数据的金融市场微观结构实证研究综述[J]. 曾勇,王志刚,李平.  系统工程. 2005(03)
[4]上海股市“日历效应”的高频估计与检验[J]. 徐正国,张世英.  天津大学学报(社会科学版). 2005(02)
[5]中国股市高频数据中的周期性和长记忆性[J]. 陶利斌,方兆本,潘婉彬.  系统工程理论与实践. 2004(06)
[6]金融高频数据分析的现状与问题研究[J]. 常宁,徐国祥.  财经研究. 2004(03)
[7]上海股市周日效应GARCH模型族的实证研究[J]. 田华,陆庆春.  系统工程理论与实践. 2003(07)
[8]中国股票市场波动率的高频估计与特性分析[J]. 黄后川,陈浪南.  经济研究. 2003(02)
[9](超)高频数据分析与建模[J]. 郭兴义,杜本峰,何龙灿.  统计研究. 2002(11)
[10]SV与GARCH模型对金融时间序列刻画能力的比较研究[J]. 余素红,张世英.  系统工程. 2002(05)

博士论文
[1]中国证券市场微观结构若干问题研究[D]. 于亦文.南京航空航天大学 2005

硕士论文
[1]基于蒙特卡罗模拟的VaR在股指期货保证金设计中的应用[D]. 董立娟.内蒙古大学 2008
[2]VaR和CVaR及在证券市场中的应用[D]. 王传霞.辽宁大学 2008
[3]基于VaR的期货保证金研究[D]. 支旭阳.青岛大学 2006
[4]VaR与CVaR在金融风险测度中的应用[D]. 李坤.青岛大学 2006
[5]基与蒙特卡罗模拟法的风险价值（VaR）及其在中国股票市场中的运用[D]. 郭繁.山东大学 2006
[6]上证A股指数VaR模型的比较及其实证研究[D]. 石俊芳.上海海事大学 2005
[7]深圳股票市场（超）高频数据分析[D]. 于静.天津大学 2005



本文编号：3596345