基于隐马尔可夫模型的VaR度量方法研究

发布时间：2017-06-13 05:02

  本文关键词：基于隐马尔可夫模型的VaR度量方法研究，由笔耕文化传播整理发布。

【摘要】：随着我国金融业的不断发展与对外开放、金融创新的步伐不断加快、新型金融产品陆续推出,我国金融业所面临的潜在风险也在慢慢变得更加复杂,2015年6月至9月我国股票市场所经历的暴跌也揭示了我国金融市场的潜在风险。分析金融市场的波动特性同时对金融市场的风险进行估计对投资者和监管者等市场参与者都具有重要的意义。Va R以其出色的综合概括能力,为投资者和监管者提供了一个直观、全面且具有前瞻性的风险度量方法。在巴塞尔委员会的推动下,Va R已经变成全球金融机构广泛使用的风险度量方法并且成为了计量商业银行资本要求的核心指标。本文主要针对金融市场运行的模式转换和金融资产收益率的“尖峰厚尾”等特征,构建了基于隐马尔可夫模型的Va R度量方法。本文首先提出了Va R度量方法研究的背景及意义,然后对国内外的研究文献进行了梳理,发现考虑到金融市场运行模式切换的方法往往无法有效衡量尾部风险,尤其是左尾风险,而能够较好地覆盖尾部风险的方法又往往没有考虑到市场运行的模式切换。为了将金融市场运行的模式切换与极端损失的尾部风险相结合起来,我们引入了隐马尔可夫模型和混合正态分布并在此基础上构建了基于隐马尔可夫模型的Va R度量方法(HMM GMM Va R)。模型的检验方面我们首先使用了模拟数据来衡量Va R度量方法的准确性,选择了吴燕飞于2013年提出的将隐马尔可夫模型与GARCH模型相结合度量Va R的方法(HMM GARCH Va R)和没有考虑金融市场运行的模式切换单独使用混合正态分布来度量Va R的方法(GMM Va R)作为参照。发现HMM GMM Va R与GMM Va R准确性相当且优于HMM GARCH Va R,大部分情况下HMM GMM Va R准确性最佳。然后选择上证指数的对数收益率数据进行了实证研究,使用Kupiec和Christofferson两种回溯检验方法对上述三种Va R度量方法在现实中的适用情况进行了分析,发现HMM GMM Va R在现实的市场环境中表现最佳。最后考察了三种Va R度量方法在2015年6月至9月中国股票市场大幅下跌的极端市场风险情况中的表现,发现只有HMM GMM Va R在市场波动加剧时给出了信号。如果投资者使用HMM GMM Va R监控市场风险的变化情况,则可以相应的减少所受的损失。
【关键词】：隐马尔可夫模型 混合正态分布 VaR
【学位授予单位】：华东政法大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F832.5;F224
【目录】：

• 摘要2-4
• Abstract4-8
• 第一章 引言8-11
• 1.1 研究背景及意义8-9
• 1.2 研究方法9
• 1.3 创新点及存在的问题9-11
• 第二章 相关文献研究11-17
• 2.1 VaR计算方法的相关研究11-15
• 2.2 隐马尔可夫模型的相关研究15-17
• 第三章 基于隐马尔可夫模型的VaR度量方法17-32
• 3.1 传统VaR度量方法17-19
• 3.1.1 历史模拟法17-18
• 3.1.2 参数估计法18
• 3.1.3 非参数估计法18-19
• 3.2 VaR的应用领域19-22
• 3.2.1 风险调整资本收益率的衡量19-20
• 3.2.2 监管资本的计量20-21
• 3.2.3 投资组合管理21-22
• 3.3 隐马尔可夫模型22-28
• 3.4 混合正态分布28-30
• 3.5 基于隐马尔可夫模型的VaR度量方法构建30-32
• 第四章 模型分析32-54
• 4.1 基于模拟数据的分析32-41
• 4.1.1 分布函数的选择33-34
• 4.1.2 准确性的度量指标34-35
• 4.1.3 准确性的度量方法35
• 4.1.4 VaR度量模型准确性结果35-40
• 4.1.5 VaR估计的准确性总结40-41
• 4.2 基于实证数据的分析41-48
• 4.2.1 上证综合指数的基本统计特征41-42
• 4.2.2 基于Baum-Welch算法的隐马尔可夫模型建立42-45
• 4.2.3 实证数据的VaR估计方法45-46
• 4.2.4 VaR估计的检验方法46
• 4.2.5 三种度量方法的比较46-48
• 4.3 2015 年股灾中的应用48-54
• 4.3.1 股灾历史回顾48
• 4.3.2 股灾与杠杆48-51
• 4.3.3 三种VaR度量模型在股灾中的表现51-54
• 第五章 结论54-56
• 参考文献56-60
• 在读期间发表的学术论文与研究成果60-61
• 后记61-62

【相似文献】

中国期刊全文数据库 前6条

1 腾格尔;贺昌政;蒋晓毅;;隐马尔可夫模型研究进展及其管理领域应用[J];软科学;2012年02期

2 刘志强;;基于连续隐马尔可夫模型的旋律检索算法研究[J];中小企业管理与科技(上旬刊);2011年12期

3 王实,高文,黄铁军,马继勇,李锦涛;基于隐马尔可夫模型的在线零售站点的自适应[J];软件学报;2001年04期

4 刘华泓;姜克旺;蔡向高;;基于OpenCL的隐马尔可夫模型的GPU并行实现[J];科技创新导报;2013年15期

5 张圣忠;李倩;吴群琪;;基于隐马尔可夫模型的物流企业客户违约风险评估[J];财经理论与实践;2010年03期

6 ;[J];;年期

中国重要会议论文全文数据库 前10条

1 史笑兴;王太君;何振亚;;论二阶隐马尔可夫模型与一阶隐马尔可夫模型的关系[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

2 马勇;金峗;顾明亮;赵力;;基于隐马尔可夫模型的汉语方言辨识[A];2009’中国西部地区声学学术交流会论文集[C];2009年

3 吴志强;陈珂;迟惠生;;基于隐马尔可夫模型的有限词汇集内与文本无关的说话人辨认的研究[A];第四届全国人机语音通讯学术会议论文集[C];1996年

4 徐毅琼;李弼程;王波;;隐马尔可夫模型在人脸检测与识别中的应用[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年

5 吴成东;柴佩琪;;基于分类的隐马尔可夫模型的声母识别[A];第一届全国语言识别学术报告与展示会论文集[C];1990年

6 徐东风;周萍;景新幸;;改进隐马尔可夫模型的非线性分段技术应用[A];中国声学学会2007年青年学术会议论文集（下）[C];2007年

7 邢颖;南敬昌;;基于隐马尔可夫模型的人脸检测与识别系统[A];2009年中国智能自动化会议论文集（第三分册）[C];2009年

8 秦勇;莫福源;李昌立;关定华;;基于隐马尔可夫模型的汉语二字词音调模式识别[A];第三届全国人机语音通讯学术会议论文集[C];1994年

9 杨文强;邓明华;钱敏平;;隐马尔可夫模型与剪切位点识别[A];中国运筹学会第六届学术交流会论文集（下卷）[C];2000年

10 马晓川;刘冬;赵荣椿;;孤立短语隐马尔可夫模型自动建模软件的实现[A];第四届全国人机语音通讯学术会议论文集[C];1996年

中国博士学位论文全文数据库 前3条

1 李杰;隐马尔可夫模型的研究及其在图像识别中的应用[D];清华大学;2004年

2 夏丽莎;基于隐马尔可夫模型的故障诊断及相关算法研究[D];华中科技大学;2014年

3 刘韬;基于隐马尔可夫模型与信息融合的设备故障诊断与性能退化评估研究[D];上海交通大学;2014年

中国硕士学位论文全文数据库 前10条

1 吴瑞琪;面向农牧民歌旋律的自动伴奏技术研究[D];河南师范大学;2015年

2 张凯;基于隐马尔可夫模型的频谱预测和感知方法研究[D];南京邮电大学;2015年

3 赵效毓;基于最大熵隐马尔可夫模型的基因启动子识别[D];南京农业大学;2014年

4 白雁飞;基于隐马尔可夫模型的J波识别技术研究[D];太原理工大学;2016年

5 崔晨雨;基于用户经验水平的推荐方法研究[D];清华大学;2015年

6 李若冰;基于贝叶斯网络和隐马尔可夫模型的扑克对手建模研究[D];南京大学;2013年

7 朱超然;基于隐马尔可夫模型的无线传感器网络入侵检测研究[D];华北电力大学(北京);2014年

8 李伦;基于隐马尔可夫模型的VaR度量方法研究[D];华东政法大学;2016年

9 王宇宁;隐马尔可夫模型在信息抽取中的应用研究[D];大连理工大学;2007年

10 杨战;基于隐马尔可夫模型的自动和弦识别[D];哈尔滨工业大学;2010年

  本文关键词：基于隐马尔可夫模型的VaR度量方法研究，，由笔耕文化传播整理发布。

本文编号：445716