基于多分辨率分析和极值理论的集合VaR模型

发布时间：2017-10-24 03:09

  本文关键词：基于多分辨率分析和极值理论的集合VaR模型

  更多相关文章： 小波分析 多分辨率分析 GARCH模型 极值理论 VaR

【摘要】：金融资产价格的波动一般具有随时间动态演化的特征,其收益的分布往往具有“厚尾性”。本文基于微观市场具有异质性,建立了MRA-EVT模型。该模型利用小波分析的多分辨率分析(MRA),多尺度捕获资产价格波动的时变特征,将收益率序列分解成不同的时域正交分量,对各个分量序列分别建立适当的ARMA-GARCH模型,然后将上述子序列所建模型进行线性叠加,再结合极值理论(EVT)对厚尾性进行建模并预测风险价值(VaR)。将该模型应用于沪深300指数的VaR预测,并依据Kupiec后侧检验,比较了该模型与传统的ARMA-GARCH模型、无条件EVT模型、MRA模型的预测效果。实证结果表明,MRA-EVT模型确实改善了VaR预测的效果,有利于金融从业者对指数市场风险更清醒的认识,进而做好对金融市场中如股指期货等的风险管理。
【关键词】：小波分析 多分辨率分析 GARCH模型 极值理论 VaR
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：F224;F832.5
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 绪论9-15
• 1.1 研究的背景9-10
• 1.2 研究的目的与现实意义10-11
• 1.3 国内外研究现状11-15
• 第二章 VaR及其估计方法的预测与比较15-21
• 2.1 VaR简介15-16
• 2.2 VaR估计的常用方法16-20
• 2.2.1 VaR估计的非参数方法17-19
• 2.2.2 VaR估计的参数方法19
• 2.2.3 VaR估计的半参数方法19-20
• 2.3 VaR应用的优越性和缺陷性20-21
• 第三章 小波分析与多分辨率分析理论21-27
• 3.1 傅里叶分析理论21-22
• 3.2 小波分析与多分辨率分析理论22-27
• 第四章 极值理论27-31
• 4.1 极值理论回顾27-28
• 4.2 BMM模型理论基础28-29
• 4.3 POT模型理论基础29-31
• 第五章 MRA-EVT模型31-43
• 5.1 ARMA模型简介31-32
• 5.2 GARCH模型简介32-39
• 5.2.1 ARCH模型33-34
• 5.2.2 GARCH模型34-38
• 5.2.3 GARCH模型参数估计38-39
• 5.3 MRA-EVT模型具体操作步骤39-43
• 第六章 基于MRA-EVT模型的实证分析43-53
• 6.1 数据的选取与预处理43-44
• 6.2 描述性统计量与ARCH效应检验44-46
• 6.3 收益率相关性与多分辨率分析结果46-47
• 6.4 MRA-EVT模型建立47-51
• 6.5 预测结果的后侧检验51-53
• 第七章 研究结论与展望53-55
• 7.1 研究结论53
• 7.2 本文研究的局限性研究结论53-54
• 7.3 后续研究方向54-55
• 参考文献55-59
• 致谢59-61
• 在读期间发表的学术论文61

【参考文献】

中国期刊全文数据库 前6条

1 吴恒煜;朱福敏;;GARCH驱动下历史滤波服从Levy过程的期权定价[J];系统工程学报;2012年03期

2 方立兵;郭炳伸;曾勇;;GARCH族模型的预测能力比较:一种半参数方法[J];数量经济技术经济研究;2010年04期

3 刘向丽;成思危;汪寿阳;洪永淼;;参数法、半参数法和非参数法计算我国铜期货市场VaR之比较[J];管理评论;2008年06期

4 黄海南;钟伟;;GARCH类模型波动率预测评价[J];中国管理科学;2007年06期

5 黄大山,卢祖帝;中国股市风险CAViaR建模的稳定性分析[J];管理评论;2004年05期

6 张冕,万建平,李楚进;小波理论在VaR计算中的应用[J];应用数学;2002年S1期

，

本文编号：1086725