基于风险价值（VaR）模型与回测检验的统计研究及实证分析

发布时间：2017-03-17 14:02

  本文关键词：基于风险价值（VaR）模型与回测检验的统计研究及实证分析，，由笔耕文化传播整理发布。

【摘要】：金融是经济的核心,它的风险大小直接关系着人们的切身利益。而以统计方法为主的风险价值(VaR)模型作为刻画金融时间序列风险的主要模型,因其思想简单受到了人们的高度关注。文章在风险价值的相关背景下,首先简要介绍了风险价值的背景以及近年来各学者在这方面的主要研究成果。随后介绍了常见的常方差时间序列模型和异方差时间序列模型。在考虑到ARMA模型刻画常方差和EGARCH模型刻画异方差的各自优点的基础上,将ARMA模型与EGARCH模型结合形成EGARCHARMA-模型,利用EGARCHARMA-模型来研究金融时间序列。然后,进一步介绍了Va R的相关定义和估计VaR值的一些相关模型,其中考虑到极值理论与Va R模型都是研究分布的极值问题,所以文章介绍了极值理论以及将极值理论与EGARCHARMA-模型相结合得到的--GPDEGARCHARMA模型。另外考虑到历史模拟法能避免对时间序列的分布做任何假设,所以文章将EGARCHARMA-模型与Va R的历史模拟法相结合,提出了计算Va R值的EGARCHARMA--半参数模型。因为由Va R的定义可知,不管在理论上VaR模型是如何地好,其计算出的Va R值都是一个估计值,所以有必要对这些估计值的准确性进行检验,所以文章介绍了检验Va R准确性的常用方法--Kupiec似然比检验法。同时考虑到此方法是从整体上来评价模型的优劣,而不能拒绝失败连续发生在某一段时间内而未失败连续发生在另一段时间内的模型,所以针对这一问题文章提出了检验Va R准确性的T检验法,并对它做了相应的理论介绍。最后,文章分别在置信水平为99%、95%、90%下,利用上证指数对--GPDEGARCHARMA模型和EGARCHARMA--半参数法模型进行实证分析,并同时利用传统的Kupiec似然比检验法和T检验法两个方法对两种模型估计出的Va R进行回测检验。实证分析结果为:似然比检验法接受了三种置信水平下的ARMA-EGARCH-半参数模型和--GPDEGARCHARMA模型,但T检验法只接受了95%和90%置信水平下的这两种模型,而拒绝了99%置信水平下的EGARCHARMA--半参数模型和--GPDEGARCHARMA模型。实证分析结果说明EGARCHARMA--半参数模型可以作为估计VaR值的模型,且在高置信水平下,T检验法接受的模型比似然比检验法接受的模型准确性更高。
【关键词】：ARMA模型 ARCH族模型 风险价值 时间序列 极值理论 回测检验
【学位授予单位】：西华师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224
【目录】：

• 摘要6-7
• Abstract7-8
• 第1章 绪论8-13
• 1.1 历史背景及问题的提出8-9
• 1.2 国内外研究动向9-11
• 1.2.1 VaR模型的国内外研究动向9-11
• 1.2.2 VaR回测检验国内外研究动向11
• 1.3 文章主要内容及创新之处11-12
• 1.4 本文结构12-13
• 第2章 时间序列理论13-17
• 2.1 时间序列定义13
• 2.2 常见的平稳时间序列模型13-14
• 2.2.1 自回归模型（AR）13
• 2.2.2 移动平均模型（MA）13-14
• 2.2.3 自回归移动平均模型(ARMA)14
• 2.3 常见的异方差时间序列模型14-15
• 2.3.1 ARCH模型14
• 2.3.2 GARCH模型14-15
• 2.3.3 ARCH族模型15
• 2.4 ARMA-EGARCH模型15-17
• 第3章 极值理论17-20
• 3.1 样本极值的选取17
• 3.2 广义帕累托分布（GPD）17-18
• 3.3 阀值u的选取18-20
• 第4章 VaR模型与回测检验新方法研究20-27
• 4.1 VaR定义20
• 4.2 估计VaR的一般计算法20-22
• 4.2.1 估计VaR的参数法21
• 4.2.2 历史模拟法21
• 4.2.3 极值理论法21-22
• 4.3 本文VaR计算方法22-23
• 4.3.1 ARMA-EGARCH-GPD模型22
• 4.3.2 估计VaR值的新方法22-23
• 4.4 VaR模型的回测检验23-27
• 4.4.1 kupiec似然比检验法23-24
• 4.4.2 VaR模型回测检验的新方法24-27
• 第5章 实证分析27-40
• 5.1 数据来源及处理方式27
• 5.2 收益率序列的统计分析27-30
• 5.2.1 平稳性检验27-28
• 5.2.2 正态性检验28-29
• 5.2.3 ARCH效应检验29-30
• 5.3 建立模型并进行参数估计30-33
• 5.3.1 模型的选择30-31
• 5.3.2 模型参数估计31-33
• 5.4 计算VaR33-36
• 5.4.1 ARMA-EGARCH-GPD模型下的VaR计算33-35
• 5.4.2 ARMA-EGARCH-半参数模型下的VaR计算35-36
• 5.5 VaR的回测检验36-40
• 5.5.1 VaR的回测检验-似然比检验法36-37
• 5.5.2 VaR的回测检验-T检验法37-38
• 5.5.3 回测检验结果分析38-40
• 第6章 总结与展望40-42
• 6.1 总结40
• 6.2 不足与展望40-42
• 参考文献42-45
• 致谢45-48
• 在学期间的科研情况48

【参考文献】

中国期刊全文数据库 前10条

1 唐宁;冯长焕;;基于ARMA-EGARCH模型VaR方法的上证指数风险研究[J];洛阳师范学院学报;2015年02期

2 唐宁;冯长焕;;VaR准确性检验的T检验法[J];四川理工学院学报(自然科学版);2015年01期

3 苟红军;陈迅;花拥军;;基于GARCH-EVT-COPULA模型的外汇投资组合风险度量研究[J];管理工程学报;2015年01期

4 董银霞;;上证综指基于ARCH模型的VaR风险价值测度分析[J];会计之友;2014年11期

5 赵世海;汤志明;;基于杠杆效应SV模型和EGARCH模型VaR的比较[J];统计与决策;2010年07期

6 王向翠;董佳慧;;VaR准确性检验的贝叶斯方法[J];企业技术开发;2009年10期

7 欧阳资生;;厚尾分布的极值分位数估计与极值风险测度研究[J];数理统计与管理;2008年01期

8 徐炜;黄炎龙;;GARCH模型与VaR的度量研究[J];数量经济技术经济研究;2008年01期

9 汪飞星,陈东峰,单国莉,杨旭;用改进的蒙特卡洛(MC)方法计算VaR[J];山东理工大学学报(自然科学版);2005年05期

10 杨永愉,丁进,杨凡;VaR模型后验测试的贝叶斯方法[J];统计与决策;2005年02期

  本文关键词：基于风险价值（VaR）模型与回测检验的统计研究及实证分析，由笔耕文化传播整理发布。

本文编号：252968