基于分位数回归的股指期货风险度量研究

发布时间：2018-07-17 09:07

【摘要】：股指期货具有高杠杆特性,是高风险的金融衍生品。随着2010年4月16日我国股指期货的正式上市交易,也带来了股指期货市场风险管理的巨大挑战。因此,在我国股指期货上市之后,为有效促进我国资本市场的健康发展,务必要对我国股指期货市场的风险进行管理和控制。而金融风险管理的基础和核心是对风险的定量分析和评估,股指期货风险度量的研究则显得尤为重要和紧迫。 在众多的金融资产风险度量方法中,VaR方法作为一种有效的风险管理手段已经成为共识,因而我国股指期货推出后,运用VaR方法对其进行风险管理十分必要。 VaR的全称是Value at Risk,意为“处于风险中的价值”,被定义为在正常的市场波动情况下,在一定的置信水平下,投资组合在未来某一个特定时期内的最大可能损失。尽管其概念简单,度量VaR仍是一个非常具有挑战性的统计问题,用于计算VaR的众多模型各有各的优缺点,至今还未找到公认的计算VaR的最佳模型,关于计算VaR的模型的研究仍在继续。 本文将VaR作为度量中国股指期货市场风险的一种工具,结合我国股指期货的标的指数一一沪深300指数2005年4月8日至2010年12月31日的日收盘价格数据,选取了三种经典VaR参数模型、非递归的分位数回归VaR模型的三种模型和递归的分位数回归VaR模型的三种模型共九种模型,分别在95%和99%置信水平下进行我国股指期货市场的向前一天VaR预测。最后采用Kupiec检验和分位损失检验这两种从不同视角出发的VaR检验方法,来评价不同显著性水平下各种计算VaR的模型和方法的表现效果,以期选出最适合计算我国股指期货风险的VaR模型,为不同需要的管理者提供全面参考。 本文通过实证分析,发现引入分位数回归方法的VaR模型表现良好,在几乎所有的检验标准和置信水平下表现均优于或不差于经典VaR参数模型。在Kupiec失败率检验法中,非递归的分位数回归VaR模型要优于递归的分位数回归VaR模型,其中,QR. EGARCH(1,1)-t模型最优。在分位损失检验中,递归的分位数回归VaR模型则优于非递归的分位数回归VaR模型,其中,95%置信水平下,AS模型最优,99%置信水平下,SAV模型最优。因此建议根据不同管理需要选择模型来度量我国股指期货市场的VaR值。从安全性角度出发,为了保证损失的可控,着重参考失败率检验的结果,优先选择非递归的分位数回归VaR模型中的QR. EGARCH(1,1)-t模型；从资金流动性和盈利性角度出发,着重参考分位损失检验结果,95%置信水平下,优先选择AS模型,99%置信水平下,优先选择SAV模型。
[Abstract]:The stock index futures have the high lever characteristic, is the high risk financial derivative. With the formal listing of stock index futures in China on April 16, 2010, it also brings a great challenge to the risk management of stock index futures market. Therefore, in order to effectively promote the healthy development of China's capital market, it is necessary to manage and control the risk of stock index futures market after the listing of stock index futures in China. The foundation and core of financial risk management is the quantitative analysis and evaluation of risk, and the research on risk measurement of stock index futures is particularly important and urgent. As an effective means of risk management, VaR method has become a common understanding among many risk measurement methods of financial assets, so after the introduction of stock index futures in China, It is necessary to use VaR method to manage its risk. The full name of VaR is value at risk, which means "value in risk", which is defined as "value at risk" under normal market fluctuation and at a certain confidence level. The maximum possible loss of a portfolio in a particular period in the future. Although the concept of VaR is simple, measuring VaR is still a very challenging statistical problem. Many models used to calculate VaR have their own advantages and disadvantages. So far, the best model for calculating VaR has not been found. The research on the model of calculating VaR is continuing. In this paper, VaR is used as a tool to measure the market risk of China's stock index futures, and combined with the daily closing price data of CSI 300 index, which is the target index of China's stock index futures, from April 8, 2005 to December 31, 2010. Three classical VaR parameter models, three models of non-recursive quantile regression VaR model and nine models of recursive quantile regression VaR model are selected. At the confidence level of 95% and 99% respectively, the VaR forecast of China's stock index futures market is carried out one day ahead. Finally, Kupiec test and quantile loss test are used to evaluate the performance of various models and methods for calculating VaR from different perspectives. In order to select the most suitable VaR model to calculate the risk of stock index futures in China, provide a comprehensive reference for managers with different needs. Through the empirical analysis, it is found that the VaR model with quantile regression method performs well and is superior to or not worse than the classical VaR parameter model under almost all test criteria and confidence levels. In the Kupiec failure rate test, the non-recursive quantile regression VaR model is better than the recursive quantile regression VaR model. The EGARCH (1 ~ 1) -t model is optimal. In the quantile loss test, the recursive quantile regression VaR model is superior to the non-recursive quantile regression VaR model, in which the as model is optimal at the 95% confidence level and the SAV model is optimal at the 99% confidence level. Therefore, it is suggested to select models according to different management needs to measure the VaR value of China's stock index futures market. From the security point of view, in order to ensure that the loss is controllable, the QRs in the non-recursive quantile regression VaR model are selected first by referring to the results of the failure rate test. The EGARCH (1 ~ 1) -t model, from the point of view of capital liquidity and profitability, focuses on the selection of SAV model under 95% confidence level and 99% confidence level for as model, and then SAV model is given priority for reference to the test results of quantile loss (95% confidence level) and as model (99% confidence level).
【学位授予单位】：浙江工商大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：F224;F832.5

【相似文献】

相关期刊论文 前10条

1 万鸥;;股指期货渐行渐近[J];科技信息;2006年S5期

2 迟美华;;股指期货对我国证券市场的影响分析[J];内江科技;2007年12期

3 叶峰,张_",唐国兴;股指期货价格非线性均值回复特性实证研究[J];管理科学学报;2003年05期

4 王珂;邵宏成;;基于VAR理论的ARMA(1,1)—GARCH(1,1)法的股指期货的风险预测[J];商场现代化;2009年15期

5 蔡健翔;股指期货浅探[J];中国科技信息;2005年14期

6 陈晓鹏;;论股指期货对现货市场的稳定性协整检验[J];时代金融;2006年11期

7 张靖;林明谊;;股指期货推出的风险控制与管理[J];科技信息(学术研究);2007年28期

8 储成兵;;封闭式基金与股指期货套利研究[J];科技资讯;2008年13期

9 陈湛匀;王颖;;中国股指期货套期保值率的计算及风险控制[J];商场现代化;2008年27期

10 王敬;程显敏;宗乐新;;股指期货在ETF投资管理中的套期保值研究[J];大连理工大学学报(社会科学版);2007年01期

相关会议论文 前10条

1 侯丹;;股指期货在中国上市的背景分析及短期发展[A];低碳经济与科学发展——吉林省第六届科学技术学术年会论文集[C];2010年

2 孔庆林;杨晓华;;热炉效应在股指期货内部控制中的应用[A];中国会计学会高等工科院校分会2010年学术年会论文集[C];2010年

3 王红英;郑学勤;刘震;章飚;富旭文;王兆先;田联丰;;股指期货运用之道[A];2011年第五届中国期货分析师论坛专刊[C];2011年

4 陈娟;林龙;叶阿忠;;基于分位数回归的中国居民消费研究[A];中国社会科学院第三届中国经济论坛论文集（下）[C];2007年

5 林艺圃;;中国股市价量关系的实证分析分位数回归模型[A];中国社会科学院第三届中国经济论坛论文集（下）[C];2007年

6 ;卷首语[A];2011年第五届中国期货分析师论坛专刊[C];2011年

7 包明宝;;论股指期货对股市的冲击及减缓对策[A];全面建设小康社会：中国科技工作者的历史责任——中国科协2003年学术年会论文集（上）[C];2003年

8 袁象;余思勤;;利用扩展基尼均值系数计算股指期货套期保值比率[A];第十届中国管理科学学术年会论文集[C];2008年

9 徐涛;应益荣;;股指期货标的指数选择及风险控制实证分析[A];第四届中国不确定系统年会论文集[C];2006年

10 何平;周依静;;沪深300指数与股指期货日内价格发现机制的研究[A];第十三届中国管理科学学术年会论文集[C];2011年

相关重要报纸文章 前10条

1 刘韬;关注股指期货[N];人民日报;2001年

2 证券时报记者 魏曙光;左晓蕾：目前不宜推股指期货[N];证券时报;2008年

3 方正期货研发中心 傅声霆邋王飞;次贷危机凸显股指期货“稳定器”功能[N];证券时报;2008年

4 上海证券 李艳;国际热钱难以大规模参与我国股指期货[N];期货日报;2008年

5 本报记者 蒋家华　胡东林;股指期货:“好饭不怕晚”[N];中国证券报;2008年

6 记者 李磊;股指期货在减缓美国股市跌幅中起到积极作用[N];期货日报;2008年

7 记者 李茜;股指期货何时叩响发令枪？[N];上海金融报;2008年

8 证券时报记者 秦利　万勇;六大交易所总经理呼吁尽快推出股指期货[N];证券时报;2008年

9 本报记者 叶苗;专家：股指期货可抚平市场波动[N];上海证券报;2008年

10 南华期货 张文利;股指期货在金融风暴中勇担重任[N];期货日报;2008年

相关博士学位论文 前10条

1 关静;分位数回归理论及其应用[D];天津大学;2009年

2 王小丽;股票和股指期货跨市场监管法律制度研究[D];安徽大学;2012年

3 蒋勇;股指期货市场风险管理与量化策略研究[D];中国科学技术大学;2012年

4 韩月丽;极值统计与分位数回归理论及其应用[D];天津大学;2009年

5 王沛英;股指期货与金融安全研究[D];厦门大学;2003年

6 李慕春;股指期货市场研究[D];东北财经大学;2001年

7 陈雪蓉;复杂数据下分位数回归建模及其应用[D];云南大学;2012年

8 蔡向辉;股指期货影响股市波动的机制解析与实证检验[D];复旦大学;2010年

9 林祥友;融资融券交易下的股指期货市场功能研究[D];西南财经大学;2009年

10 方斌;股指期货功能理论与实证研究[D];天津大学;2010年

相关硕士学位论文 前10条

1 袁逸翊;股指期货对股市风险的防范[D];复旦大学;2010年

2 王彦宇;新华期货公司股指期货套期保值交易与风险管理策略[D];吉林大学;2010年

3 李敬东;我国发展股指期货势在必行[D];对外经济贸易大学;2003年

4 李建国;中国股指期货发展研究[D];武汉理工大学;2004年

5 王若贝;股指期货期现套利策略研究及风险管理[D];华东师范大学;2011年

6 陈玲;中国股指期货定价研究[D];南京理工大学;2010年

7 李唤工;我国开设股指期货的理论研究与动作构想[D];中国社会科学院研究生院;2003年

8 王珂;沪深300股指期货风险管理研究[D];华东师范大学;2011年

9 张锦;中国股指期货定价实证研究[D];上海交通大学;2010年

10 谈纯集;股指期货投资策略与基金产品创新的研究[D];上海交通大学;2010年

，

本文编号：2129931