基于GARCH过程和SV模型的上证50ETF的VaR计算

发布时间：2017-07-02 21:23

  本文关键词：基于GARCH过程和SV模型的上证50ETF的VaR计算

  更多相关文章： VaR 历史模拟法 蒙特卡罗模拟法 GARCH过程 MCMC SV模型

【摘要】：上证50ETF期权于2015年2月9日正式在上海交易所上市交易,开启了我国期权市场发展的序幕,这是我国资本市场的第一个上市期权产品,填补了我国证券交易所的产品空白。然而作为该期权合约的标的物上证50ETF在股市中的重要性也随之进一步凸显出来,这是因为影响期权价格的最大的风险为其标的资产价格变动风险(delta),若能管控好上证50ETF的风险,对于规避上证50ETF期权的风险,达到稳健投资有积极的意义。故本文选取上证50ETF的日基金累计单位净值作为研究对象,计算其日回报率序列,以VaR作为风险指标来度量市场风险。本文对上证50ETF的VaR计算首先采用了完全估值法中的历史模拟法和蒙特卡罗模拟法。又对上证50ETF的回报率序列进行了正态性、自相关性、平稳性和ARCH效益检验,得出该序列存在金融资产回报率序列具有的一些重要形式化特征,如厚尾(Heavy tails)、波动聚集(Volatility clustering)等。针对明显的厚尾性和波动聚集性,分别采用了基于正态分布误差的GARCH模型和t分布误差的GARCH模型,经过实证对比分析,发现基于更具有重尾性的f分布的GARCH模型对回报率序列的拟合相对更好。为了更准确的反映当前环境和条件对回报率的影响,选取了随机波动(SV)模型进行改进。针对SV模型参数估计的复杂性，本文采用马尔科夫链蒙特卡罗(MCMC)方法来实现参数的估计,经过实证分析,得出基于MCMC方法的SV模型对上证50ETF回报率序列拟合效果最佳,风险控制最为有效的结论。GARCH模型和基于MCMC方法的SV模型是本文的重点研究对象。本文内容具体分为四章讨论：第一章,首先介绍研究上证50ETF风险价值的背景及意义；其次介绍了对金融市场进行风险度量的历史和国内外研究现状；最后对文本的研究内容和方法进行了概述。第二章,主要介绍市场风险的度量——VaR方法。系统的介绍了VaR的基本原理、计算方法、检验方法和优缺点等内容。其中在VaR的计算方法部分,主要介绍了历史模拟法、蒙特卡罗模拟法和GARCH过程。第三章,重点介绍基于MCMC方法的SV模型。首先讲解了MCMC万法的基本思想和抽样方法,如Metropolis-Hastings抽样和Gibbs抽样；然后介绍了SV模型的基本理论和如何进行波动率的预测。第四章,实证分析。首先对上证50ETF日回报率序列进行正态性等一系列检验,然后利用历史模拟法、蒙特卡罗模拟法,GARCH模型及基于MCMC方法的SV模型来计算其VaR值,最后对计算结果进行Kupiec失败频率检验,得出结论并对文章的不足进行了总结。
【关键词】：VaR 历史模拟法 蒙特卡罗模拟法 GARCH过程 MCMC SV模型
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.5
【目录】：

• 中文摘要8-10
• 英文摘要10-12
• 第一章 绪论12-19
• §1.1 选题背景及研究意义12-14
• §1.1.1 选题背景12-13
• §1.1.2 研究意义13-14
• §1.2 国内外研究现状14-17
• §1.3 研究内容与方法17-19
• 第二章 市场风险的度量——VaR19-29
• §2.1 VaR风险模型介绍19-21
• §2.2 VaR的计算方法21-26
• §2.2.1 历史模拟法21-22
• §2.2.2 蒙特卡罗模拟法22-24
• §2.2.3 GARCH模型24-26
• §2.3 VaR模型的准确性检验26-27
• §2.4 VaR方法的优缺点27-29
• 第三章 基于MCMC方法的SV模型29-37
• §3.1 MCMC方法29-33
• §3.1.1 MCMC的基本原理29-31
• §3.1.2 抽样方法-转移核的构造31-33
• §3.2 SV模型33-37
• §3.2.1 SV模型基本理论33-35
• §3.2.2 SV模型进行波动率的预测35-37
• 第四章 上证50ETF的VaR实证分析37-57
• §4.1 样本的选取和描述性统计分析37-41
• §4.1.1 样本的选取37
• §4.1.2 样本的描述统计分析37-41
• §4.2 历史模拟法计算VaR41-42
• §4.3 蒙特卡罗模拟法计算VaR42-43
• §4.4 GARCH模型参数估计及VaR计算43-49
• §4.4.1 GARCH(1,1)-N模型43-46
• §4.4.2 GARCH(1,1)-t模型46-49
• §4.5 基于MCMC的SV模型参数估计及VaR计算49-52
• §4.6 VaR模型准确性检验及实证结论52-57
• §4.6.1 Kupiec失败频率检验52-53
• §4.6.2 实证结论及展望53-57
• 附录57-60
• 参考文献60-63
• 致谢63-64
• 学位论文评阅及答辩情况表64

【参考文献】

中国期刊全文数据库 前2条

1 周彦;张世英;;基于MCMC方法的连续时间SV模型建模研究[J];工业工程;2007年01期

2 孙米强,杨忠直,余素红,宋军;基于随机波动模型的VaR的计算[J];管理工程学报;2004年01期

  本文关键词：基于GARCH过程和SV模型的上证50ETF的VaR计算

  更多相关文章： VaR 历史模拟法 蒙特卡罗模拟法 GARCH过程 MCMC SV模型

，

本文编号：511341