基于极值理论的沪深股市风险度量

发布时间：2021-02-13 22:13

　　选取了沪市和深市近10年的日收盘价数据,对上证综合指数和深证成分指数的日对数收益率进行风险度量研究。根据数据的尖峰、肥尾和非对称性等特征,在EGARCH模型和Beta-skew-t-EGARCH模型中加入极值理论的POT模型去刻画其尾部分布特征,对比了EGARCH-t模型、EGARCH-t-POT模型和Beta-skew-t-EGARCH-POT模型分别在95%和99%置信水平下的VaR值,并用返回检验来检验VaR的有效性。结果表明:Beta-skew-t-EGARCH模型能够很好地刻画金融时间序列的尖峰、肥尾特性和非对称性等特征;加入极值理论的POT模型有效提高了模型有效性。从总体来看,波动率模型和极值理论的结合能较好地刻画金融市场的风险。 

【文章来源】：桂林理工大学学报. 2020,40(02)北大核心

【文章页数】：7 页

【部分图文】：

Beta-skew-t-EGARCH-POT模型诊断检验图

偏度是统计分布非对称程度的特征, 由表1可以看出, 收益率偏度为负值, 具有左偏特征。 根据边宽江等[19]的检验方法对尖峰、 厚尾进行检验, 峰度为5.057 111>3, 具有尖峰的特征。 J-B统计量p值小于显著性水平0.01, 拒绝正态和无尖峰的原假设。由图2的Q-Q图中也可以明显看出收益率不服从正态分布,且图中上下两端数据均偏离直线,表明收益率尾部具有厚尾性。ADF检验和P-P检验表明,序列是平稳的;Ljung-Box检验显示在0.05的显著性水平下,收益率序列不存在自相关。日收益率图中可以看出波动率聚集特征,对收益率序列进行ARCH效应检验,结果表明收益率序列具有条件异方差性。图2 上证综合指数日收益率Q-Q图

上证综合指数日收益率Q-Q图

【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Beta-Skew-t-EGARCH-POT模型的极值风险测度研究[J]. 张保帅,金振琥.  南方金融. 2018(02)
[3]基于收益波动性和厚尾性的条件风险价值探究——来自沪深300指数的验证[J]. 王淼,王春丽.  数学的实践与认识. 2017(17)
[4]基于CAViaR模型的沪深300股指期货隔夜风险研究[J]. 简志宏,曾裕峰,刘曦腾.  中国管理科学. 2016(09)
[5]基于极值视角的沪深股市收益率的风险度量[J]. 张虎,汪娟.  统计与决策. 2016(15)
[6]不同GARCH模型对股市风险价值评价的比较研究[J]. 侍成,赵行为.  内江师范学院学报. 2016(06)
[7]基于Copula函数的CTE研究与实证分析[J]. 孙召伟,张浩敏.  桂林理工大学学报. 2014(02)
[8]基于POT模型的股票市场风险价值研究[J]. 唐勇,唐振鹏.  东南学术. 2012(04)
[9]极端情况下对我国股市风险的实证研究[J]. 王艺馨,周勇.  中国管理科学. 2012(03)
[10]分位数回归的金融风险度量理论及实证[J]. 张颖,张富祥.  数量经济技术经济研究. 2012(04)



本文编号：3032650