基于贝叶斯GARCH-Expectile模型的VaR和ES风险度量

发布时间：2020-12-31 07:40

　　将Expectile引入GARCH族模型,采用贝叶斯方法进行参数估计,进而提出贝叶斯GARCH-Expectile模型,并将其应用于股指期货市场的VaR和ES度量。首先,构建三种具体形式的贝叶斯GARCH-Expectile模型;其次,基于贝叶斯理论设计MCMC算法进行参数估计;最后,选取2010年4月16日至2018年3月21日中国股指期货市场收益率序列进行实证分析。实证结果表明,股指期货风险波动具有自回归特征,并且受前期价格涨跌的不对称影响;相比于CARE模型,GARCH-Expectile模型普遍具有更高的预测绩效;在1%水平下SGARCH模型预测绩效最高,在5%水平下为AR-GARCH模型的预测绩效最高。 

【文章来源】：数理统计与管理. 2020年03期 北大核心CSSCI

【文章页数】：11 页

【参考文献】：
期刊论文
[1]基于QR-t-GARCH（1,1）模型沪深指数收益率风险度量的研究[J]. 刘亭,赵月旭.  数理统计与管理. 2018(03)
[2]基于Expectile-based VaR变点检测的金融传染分析[J]. 谭常春,操毅文,叶五一.  数理统计与管理. 2018(02)
[3]基于Expectile风险建模的原油价格风险测度研究[J]. 胡宗义,万闯,李毅.  统计与信息论坛. 2018(01)
[4]条件自回归expectile模型及其在基金业绩评价中的应用[J]. 苏辛,周勇.  中国管理科学. 2013(06)



本文编号：2949245