基于Bootstrap方法的金属期货市场风险测度VaR和ES的区间预测

发布时间：2017-05-20 20:10

  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