基于已实现EGARCH模型的股票市场风险度量方法研究
发布时间：2021-06-26 05:06
“互联网+”时代催生了众多崭新的金融模式和金融产品,加之国内外政治和经济环境的不断变化,防范金融风险逐渐成为政府与实业界的工作重心。随着云计算、大数据等新技术的发展,对金融高频数据进行收集、分析的技术日益成熟,基于已实现测度的波动率预测和风险度量逐渐成为研究热点,但是基于Realized EGARCH模型对中国股市进行风险度量的研究亟待补充。本文对已实现EGARCH模型的残差分布进行拓展,尝试利用非参数和半参数方法对条件方差进行估计,并比较了不同分布假设和不同参数估计方法下已实现EGARCH模型对沪深300指数收益波动率和VaR的预测效果。本文以R-EGARCH模型为主要研究对象,选择股票市场中代表性指数——沪深300作为主要实证分析样本。首先研究了学生t分布和GED分布假设下R-EGARCH模型的参数估计方法,并应用其对沪深300指数进行波动率预测和VaR度量,同时探讨了二元已实现测度模型的预测效果;其次,本文提出已实现EGARCH模型波动率方程的非参数和半参数估计方法,从而对沪深300指数进行波动率预测和风险度量,并与参数估计法下预测结果进行对比;最后将单一变量模型推广至多元情况,...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
基于不同频率数据计算的已实现波动率
?山东大学硕士学位论文???由于市场微观噪声的存在，数据采样频率过高会导致已实现波动率严重偏离??真实波动率，采样频率过低则会损失数据中隐含的信息。从表２－１和图２－１、２＿２??中可以发现，相较于利用其他频率数据计算的己实现波动率（即７？Ｋ３等），??基于５ｍｈｉ数据计算的己实现波动率具有较好的表现，并且及尤５还要优于??７２Ｋ５，这与Ａｎｄｅｒｓｅｎ等（２００１）的研究结论相符合。因此，本文将基于５ｍｉｎ高??频数据展开研究，并重点选择７？尤５作为己实现测度进行建模。??
?山东大学硕士学位论文???２．４．２沪深３００指数收益率特征分析??１．沪深３００指数的尖峰厚尾特征??从表２－１中数据可以发现，沪深３００指数收益率序列具有明显的尖峰厚尾特??征，且不符合正态分布假设。图２－３为沪深３００指数收益率序列的正态分布、学??生ｔ分布以及ＧＥＤ分布拟合图。其中，灰色条形图是收益率序列频率分布直方??图，红色钟形曲线为正态分布拟合曲线，蓝色曲线为学生ｔ分布拟合曲线，橘色??尖峰曲线为ＧＥＤ分布拟合曲线。从图２－３可以清晰地发现频率分布直方图具有??较高的峰度和厚尾，与正态分布差距较大，但是与学生ｔ分布和ＧＥＤ分布较为??接近。因此，在传统正态分布假设无法满足实际建模需要的情况下，本文后续将??利用学生ｔ分布和ＧＥＤ分布假设下的Ｒ－ＧＡＲＣＨ、Ｒ－ＥＧＡＲＣＨ模型对沪深３００??指数收益率进行建模。’??－
【参考文献】：
期刊论文
[1]基于厚尾分布下Realized GARCH模型的中国股票市场波动研究[J]. 刘若萌,郭名媛. 天津理工大学学报. 2017(05)
[2]基于已实现NGARCH模型的上证50指数的风险度量[J]. 魏正元,罗云峰,余德英,王爱法. 重庆理工大学学报(自然科学). 2017(05)
[3]基于偏t分布realized GARCH模型的尾部风险估计[J]. 黄友珀,唐振鹏,周熙雯. 系统工程理论与实践. 2015(09)
[4]Realized GAS-GARCH及其在VaR预测中的应用[J]. 王天一,黄卓. 管理科学学报. 2015(05)
[5]利用高频数据预测沪深300指数波动率——基于Realized GARCH模型的实证研究[J]. 王天一,赵晓军,黄卓. 世界经济文汇. 2014(05)
[6]基于VaR-GARCH模型的开放式基金风险估计[J]. 张燃,李念. 金融教学与研究. 2012(04)
[7]高频数据波动率建模——基于厚尾分布的Realized GARCH模型[J]. 王天一,黄卓. 数量经济技术经济研究. 2012(05)
[8]基于小波变换的多尺度跳跃识别与波动性估计研究[J]. 王春峰,姚宁,房振明. 管理科学学报. 2010(10)
[9]基于VaR-GARCH模型对证券投资基金风险的实证研究[J]. 周泽炯. 华东经济管理. 2009(02)
[10]股市收益率的风险测量——基于参数与非参数GARCH技术的动态VaR计算[J]. 王芳,张进滔. 统计与决策. 2007(06)
博士论文
[1]基于Copula理论和GPD模型的金融市场风险测度研究[D]. 李强.重庆大学 2012
硕士论文
[1]基于Skewed-T Realized GARCH模型的沪深300指数波动性研究[D]. 康凯.天津商业大学 2017
[2]基于VaR分析与Copula方法的互联网金融风险度量[D]. 兰翔.山东大学 2017
[3]已实现NGARCH模型及应用研究[D]. 罗云峰.重庆理工大学 2017
本文编号：3250683
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
基于不同频率数据计算的已实现波动率
?山东大学硕士学位论文???由于市场微观噪声的存在，数据采样频率过高会导致已实现波动率严重偏离??真实波动率，采样频率过低则会损失数据中隐含的信息。从表２－１和图２－１、２＿２??中可以发现，相较于利用其他频率数据计算的己实现波动率（即７？Ｋ３等），??基于５ｍｈｉ数据计算的己实现波动率具有较好的表现，并且及尤５还要优于??７２Ｋ５，这与Ａｎｄｅｒｓｅｎ等（２００１）的研究结论相符合。因此，本文将基于５ｍｉｎ高??频数据展开研究，并重点选择７？尤５作为己实现测度进行建模。??
?山东大学硕士学位论文???２．４．２沪深３００指数收益率特征分析??１．沪深３００指数的尖峰厚尾特征??从表２－１中数据可以发现，沪深３００指数收益率序列具有明显的尖峰厚尾特??征，且不符合正态分布假设。图２－３为沪深３００指数收益率序列的正态分布、学??生ｔ分布以及ＧＥＤ分布拟合图。其中，灰色条形图是收益率序列频率分布直方??图，红色钟形曲线为正态分布拟合曲线，蓝色曲线为学生ｔ分布拟合曲线，橘色??尖峰曲线为ＧＥＤ分布拟合曲线。从图２－３可以清晰地发现频率分布直方图具有??较高的峰度和厚尾，与正态分布差距较大，但是与学生ｔ分布和ＧＥＤ分布较为??接近。因此，在传统正态分布假设无法满足实际建模需要的情况下，本文后续将??利用学生ｔ分布和ＧＥＤ分布假设下的Ｒ－ＧＡＲＣＨ、Ｒ－ＥＧＡＲＣＨ模型对沪深３００??指数收益率进行建模。’??－
【参考文献】：
期刊论文
[1]基于厚尾分布下Realized GARCH模型的中国股票市场波动研究[J]. 刘若萌,郭名媛. 天津理工大学学报. 2017(05)
[2]基于已实现NGARCH模型的上证50指数的风险度量[J]. 魏正元,罗云峰,余德英,王爱法. 重庆理工大学学报(自然科学). 2017(05)
[3]基于偏t分布realized GARCH模型的尾部风险估计[J]. 黄友珀,唐振鹏,周熙雯. 系统工程理论与实践. 2015(09)
[4]Realized GAS-GARCH及其在VaR预测中的应用[J]. 王天一,黄卓. 管理科学学报. 2015(05)
[5]利用高频数据预测沪深300指数波动率——基于Realized GARCH模型的实证研究[J]. 王天一,赵晓军,黄卓. 世界经济文汇. 2014(05)
[6]基于VaR-GARCH模型的开放式基金风险估计[J]. 张燃,李念. 金融教学与研究. 2012(04)
[7]高频数据波动率建模——基于厚尾分布的Realized GARCH模型[J]. 王天一,黄卓. 数量经济技术经济研究. 2012(05)
[8]基于小波变换的多尺度跳跃识别与波动性估计研究[J]. 王春峰,姚宁,房振明. 管理科学学报. 2010(10)
[9]基于VaR-GARCH模型对证券投资基金风险的实证研究[J]. 周泽炯. 华东经济管理. 2009(02)
[10]股市收益率的风险测量——基于参数与非参数GARCH技术的动态VaR计算[J]. 王芳,张进滔. 统计与决策. 2007(06)
博士论文
[1]基于Copula理论和GPD模型的金融市场风险测度研究[D]. 李强.重庆大学 2012
硕士论文
[1]基于Skewed-T Realized GARCH模型的沪深300指数波动性研究[D]. 康凯.天津商业大学 2017
[2]基于VaR分析与Copula方法的互联网金融风险度量[D]. 兰翔.山东大学 2017
[3]已实现NGARCH模型及应用研究[D]. 罗云峰.重庆理工大学 2017
本文编号：3250683
本文链接：https://www.wllwen.com/jingjilunwen/jingjiguanlilunwen/3250683.html
