参数VaR方法的比较及实证研究

发布时间：2020-04-29 23:31

【摘要】： 本文主要就参数VaR方法展开研究,结合我国股票市场上具有代表性的两种股价指数——上证180指数和深圳成分指数的实际情况,选取了8种参数VaR方法进行实证分析。根据建立的95%置信水平下的VaR模型计算500天的样本外预测值,并通过构建VaR模型的后续检验体系,从准确性、保守性和有效性三方面对所有模型进行分析比较。通过后续检验比较分析我们可以看到,没有任何一个VaR模型能在所有的考察指标中都表现得最好。尽管如此,通过比较分析我们仍能得出一些较有普遍性的结论: 1.综合来看:(1)除了上证180指数的GARCH-M模型外,本文考察的大部分模型在各个指标上的表现都没有十分显著的差别。(2)在波动率估计模型的选择上,考虑杠杆效应以及风险溢价调整对VaR模型的效率能有一定的改进。(3)与大多数相关研究的结论不一致的是,相比正态性假设下的VaR模型,非正态性假设下的VaR建模效果并没有像理论分析中那么理想,模型总体偏于保守。(4)在整个分析过程中,都涉及到第四阶段的反常现象。我认为这是在牛市持续时间过长后,给予股市投资者的警告。股市不可能一直持续上涨,而反常现象终究会恢复正常,所以现阶段的股市投资要慎重考虑。 2.从各项指标的综合比较结果来看,在95%置信水平下,风险管理者可以参考用于风险度量的VaR模型有:(1) EWMA模型。在模型准确性、保守性和有效性上,EWMA方法都有较好的表现。同时该模型的构造十分简单,也便于操作和调整。估计这正是Riskmetrics公司一直沿用此方法至今的原因。(2) GARCH-t模型。相对其他模型而言,该模型在各方面的综合表现还是比较突出的,因此同样值得风险管理者加以借鉴和应用。
【图文】：

上证180指数,统计量,收益率序列

两者都通过了 J-B 检验，拒绝了收益率分布正态性的假设。表 3.2 沪深两市收益率序列的基本统计特性均值标准差偏度峰度 J-B统计量 ADF统计量 P-P统计量上证180指数 0.00047 0.014422 0.305565 8.692549 2048.662 -38.399 -39.86699深圳成分指数 0.000553 0.015415 0.253548 7.87519 1501.539 -37.57904 -37.79468另外从沪深两市的 Q-Q 图（如图 3.1 和图 3.2）也可以直观的看出，两种收益率序列的分布具有明显的尖峰厚尾特性，不服从正态分布假设。

成分指数,深圳,日收益率,自相关性

不服从正态分布假设。图 3.1 上证 180 指数 Q-Q 图图 3.2 深圳成分指数 Q-Q 图3.2.2 序列的相关性检上证 180 指数和深圳成分指数收益率序列的自相关系数如图 3.3 和 3.4 所示。由图可以知道，，上证 180 指数和深圳成分指数的日收益率序列的 1-15 阶自相关系数几乎都接近于 0，且日收益率序列滞后 1-15 阶 Q 检验的边际概率值都大于 10％，显然无法拒绝收益率序列不存在自相关性的原假设，即两市指数日收益率序列均无明显的序列自相关性。图 3.5 和 3.6 是关于两市指数的日收益率平方序列的自相关性检验。由图 3.5 和3.6 可知，两市指数日收益率平方序列的 Q 检验相伴概率都为 0，表明两市都存在显著的高阶自相关性。总结而言，两市股指的收益率序列不存在自相关性，但收益率并非完全独立，都存在高阶自相关的特征。14
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：F224;F832.51

【引证文献】