上证综合指数的VaR计算方法研究

发布时间：2020-07-11 17:44

【摘要】： 比较、分析目前常用的VAR计算方法计算上证综合指数的VAR的基础上，寻求建立使上证综合指数的VAR度量更加准确、更具有实践指导意义模型。量化指数风险，为投资者的投资操作提供风险依据。 将分形分布的方法应用于上证综合指数的VAR计算，得到一个由正态分布和柯西分布混合的简化分形分布，进行上证综合指数的VAR的估计。由于我国证券市场发展的时间较短，历史数据较少，分形分布的应用需要进一步的验证。 根据市场的实际表现，借鉴协同市场假说的某些方法，建立一种可以实施计算的非线性统计方法—分类市场模型来计算上证综指的VAR。 投资者在判断市场状态时，一般将市场分为三类，上涨市场、下跌市场、振荡市场。对上证综指的历史时间序列数据进行分析分类，建立分属上涨市场、下跌市场、振荡市场的收益率分布。 应用技术分析方法，对要求计算VAR的时期进行市场状态的分析，建立处于上涨市场、下跌市场、振荡市场的概率分布。利用期望值法或者合并分布法可以计算出上证综指的VAR。 经过检验、分析、比较，分类市场模型对上证综指的VAR有良好的估计，能完全满足估计投资风险需要。对上证综指的实际损益变化具有一定的跟踪能力，从而能对投资者提供操作的指导。对股票投资者而言，这具有非常重要的实践意义。
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2003
【分类号】：F830.91
【图文】：

西南交通大学硕士研究生学位论文第29页也就是说，移动平均模型的波动性期限结构是一个常数。常数期限结构是指数移动平均方法的局限性。因为金融回报数据的波动性具有集聚性，有的时期大，有的时期小，因此波动性应随着期限的增加而回复到平均水平，这就是波动性期限结构的均值回复性。所以波动性期限结构不应是一个常数。短期波动性可能会低于或高于长期平均水平，究竟是高于还是低于要依赖于当前的状况。当前波动性高，则短期波动性会高于长期平均水平;反之，则短期波动性会低于长期平均水平。l’l2.3.3.3GARCH模型广义的ARCH模型，即GARCH模型。现在己发展成为一个包含众多方法的模型类别。它的含义是“generalizedautoregressive。。nditionalheteroseedastieity(一般化自回归条件异方差)”在一个时间序列中，如果有时波动性很大，有时波动性很小，也就是波动性既有爆发性又有集聚性，这时称该时间序列存在条件异方差。autoregressive(自回归)在这里是指GARCH模型中对条件异方差的建模所采用的方法。【’l

8992，0012，1032，2052，3072，4092，5112，6132，7152，8171，9502，0522，1542，2562，3582，4602，5622，6642，7662，868CaseNumber图3一3:最近1000个历史数据的上证综指时间序列

西南交通大学硕士研究生学位论文第43页图3一2:19930101一20021031的历史日收益率分布频度直方图2400220020001800160014001200心甲一、、决11.力’，丫氏尹，t11牛知，I’即川I虫1000峨l口‘甘，.皿l.~叫11目.0.1.1‘800之.........……‘.…!1，8992，0012，1032，2052

【引证文献】

相关硕士学位论文 前3条

1 徐中华;基于VaR历史模拟法的中国股市风险研究[D];复旦大学;2008年

2 宁红泉;基于时变copula的风险价值度量[D];西南财经大学;2009年

3 马国强;基于VaR历史模拟法的干散货航运市场分析[D];复旦大学;2010年

本文编号：2750723