基于Bootstrap方法的金属期货市场风险测度VaR和ES的区间预测
本文关键词:基于Bootstrap方法的金属期货市场风险测度VaR和ES的区间预测,,由笔耕文化传播整理发布。
【摘要】:我国是一个发展中国家,对各种原材料尤其是金属的需求量巨大。金属价格由于易受各种因素的影响,其波动常常十分剧烈,而金属价格的剧烈波动,不仅会使相关企业难以正常经营,并且不利于国民经济的稳定发展。基于此况,对我国金属期货市场的风险的准确测度具有重要的现实意义。本文基于Bootstrap方法和不同GARCH模型建立风险测度VaR和ES的置信区间,并利用拟合仿真对比分析了滑动窗宽法、正态分布模型、Bootstrap方法构建风险测度VaR和ES置信区间的预测精度,仿真结果表明,Bootstrap方法构建风险测度VaR和ES的置信区间具有最高的预测精度,这说明了本文方法的合理性。在实证分析部分,本文以上海期货交易所铜、铝两种期货指数为实证分析对象,对金属期货市场风险测度VaR和ES的预测区间问题做了研究。首先,对沪铜、沪铝收益率序列进行描述性统计,我们发现沪铜、沪铝收益率序列表现出了明显的尖峰厚尾、波动聚集的统计学特征;其次,利用不同的GARCH模型计算沪铜、沪铝两种期货指数风险测度VaR和ES,实证结果显示,对于沪铜指数来说,GARCH-t模型具有最高的预测精度,对于沪铝指数来说,GJRGARCH-t模型具有最高的预测精度。最后,本文基于Bootstrap方法和GARCH模型对上海期货交易所沪铜、沪铝两种指数建立VaR和ES的预测区间,从区间宽度这个角度来看,对于沪铜指数来说,基于Bootstrap方法和GARCH-t模型建立的VaR置信区间的区间宽度是最小的,说明该方法建立的风险测度VaR和ES的置信区间具有最高的预测精度,对于沪铝指数而言,基于Bootstrap方法和GJRGARCH-t模型建立的VaR置信区间的区间宽度是最小的,说明该方法建立的风险测度VaR和ES的置信区间具有最高的预测精度。尽管本文的研究方法可以丰富现有的风险管理理论,但是,我们认为今后还应对以下一些问题做重点研究:本文只是基于残差Bootstrap方法和GARCH模型建立风险测度VaR和ES的预测区间,并没有和其它Bootstrap方法建立的风险测度VaR和ES的预测区间进行对比,更没有和基于残差Bootstrap方法和其它类型的波动模型(如SV模型)建立的风险测度VaR和ES的预测区间进行对比,这些都将是我们以后的研究方向。
【关键词】:Bootstrap VaR ES 预测区间
【学位授予单位】:西南交通大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:F764.2;F724.5;F224
【目录】:
- 摘要6-8
- Abstract8-12
- 第一章 绪论12-19
- 1.1 研究背景及意义12-13
- 1.2 相关问题的研究现状13-17
- 1.2.1 VaR的研究现状13-14
- 1.2.2 ES的研究现状14-15
- 1.2.3 Bootstrap方法的研究现状15-16
- 1.2.4 区间预测的研究现状16-17
- 1.3 论文的结构安排17-19
- 第二章 Bootstrap方法基础19-24
- 2.1 非参数Bootstrap方法19-22
- 2.2 参数Bootstrap方法22
- 2.3 Wild Bootstrap方法22-24
- 第三章 基于GARCH类模型的VaR和ES的计算24-31
- 3.1 GARCH类模型24-25
- 3.1.1 ARCH模型24
- 3.1.2 GARCH模型24-25
- 3.2 VaR的定义及计算25-27
- 3.2.1 VaR的定义25
- 3.2.2 VaR的计算方法25-27
- 3.3 VaR的检验27-28
- 3.4 ES的定义及计算28-29
- 3.5 ES的后验分析29-31
- 第四章 基于Bootstrap方法构建VaR和ES的预测区间31-42
- 4.1 构建VaR和ES的预测区间31-36
- 4.1.1 滑动窗宽法31-32
- 4.1.2 正态分布模型32-33
- 4.1.3 基于Bootstrap方法构建VaR和ES的预测区间33-36
- 4.2 预测区间的评价方法36-38
- 4.3 拟合仿真38-42
- 4.3.1 对不同方法建立的预测区间的模拟40-41
- 4.3.2 对不同样本分位数计算方法的模拟41-42
- 第五章 实证分析42-48
- 5.1 数据说明及描述42-43
- 5.2 VaR和ES的计算43-44
- 5.3 VaR和ES的检验44-45
- 5.4 VaR和ES的置信区间的建立45-48
- 第六章 总结与展望48-50
- 致谢50-51
- 参考文献51-56
- 攻读学位期间的研究成果56
【参考文献】
中国期刊全文数据库 前10条
1 罗健英;陈宴祥;陈粘;;基于MRS-GARCH的钢铁期货市场VaR风险测度[J];管理现代化;2014年04期
2 杨爱军;林金官;刘晓星;;基于广义双曲线分布的我国股票市场VaR风险度量研究[J];数理统计与管理;2014年04期
3 于文华;魏宇;淳伟德;;欧债危机环境中资产组合ES模型比较研究[J];中国管理科学;2014年05期
4 王鹏;宋阳;鹿新华;陈丽;;中国股票市场收益分布非对称特征的Bootstrap检验[J];管理工程学报;2014年02期
5 周爱民;陈远;;我国中小板市场在险价值量的实证研究——基于GARCH-VaR模型[J];南开大学学报(自然科学版);2013年03期
6 陶长琪;江海峰;;单位根过程联合检验的Bootstrap研究[J];统计研究;2013年04期
7 高江;;藤Copula模型与多资产投资组合VaR预测[J];数理统计与管理;2013年02期
8 王鹏;鹿新华;魏宇;王鸿;;中国金属期货市场的风险度量及其Backtesting分析[J];金融研究;2012年08期
9 周莹;焦建玲;;基于GARCH-VaR模型的石油价格风险研究[J];合肥工业大学学报(自然科学版);2011年09期
10 杨娴;陆凤彬;汪寿阳;;国际有色金属期货市场VaR和ES风险度量功效的比较[J];系统工程理论与实践;2011年09期
本文关键词:基于Bootstrap方法的金属期货市场风险测度VaR和ES的区间预测,由笔耕文化传播整理发布。
本文编号:382670
本文链接:https://www.wllwen.com/guanlilunwen/shengchanguanlilunwen/382670.html