高频数据下基于PGARCH模型的VaR估计方法及应用

发布时间：2018-03-22 19:06

  本文选题：高频数据　切入点：PGARCH模型　出处：《系统工程理论与实践》2017年08期 　论文类型：期刊论文

【摘要】：高频数据在风险价值VaR度量和预测方面的价值日益凸显,文中基于高频数据为嵌入日内收益过程的PGARCH模型提出一类稳健M估计,同时给出相应的VaR估计方法,并基于沪深300指数和恒生指数的5分钟高频数据对时间内和时间外的VaR进行估计预测.实证结果表明,高频数据下PGARCH模型的M估计所提供的VaR估计方法可更加准确的预测VaR,预测结果均优于日间低频数据的估计结果和基于高频数据的QMLE估计结果,该方法可以很好地应用于风险管理中.
[Abstract]:The value of high frequency data in VaR measurement and prediction of risk value is becoming more and more prominent. In this paper, a class of robust M estimators is proposed based on high frequency data as a PGARCH model embedded in the process of intra-day income, and a corresponding VaR estimation method is given. Based on the 5-minute high frequency data of Shanghai and Shenzhen 300 Index and Hang Seng Index, the VaR in and out of time is estimated and forecasted. The VaR estimation method provided by M estimation of PGARCH model under high frequency data is more accurate than that of day low frequency data and QMLE estimation based on high frequency data. This method can be well applied to risk management.
【作者单位】： 北京工商大学经济学院;中国人民大学财政金融学院;中国科学院数学与系统科学研究院;
【基金】：国家自然科学基金面上项目(71673315) 北京工商大学两科基金培育项目(LKJJ2016-03) 首都流通业研究基地项目(JD-YB-2017-021)~~
【分类号】：F224;F832.51

【相似文献】

相关期刊论文 前10条

1 郭兴义,杜本峰,何龙灿;(超)高频数据分析与建模[J];统计研究;2002年11期

2 金登贵;我国股市高频数据分布特征实证研究[J];江西广播电视大学学报;2005年03期

3 应益荣;包郭平;;金融市场高频数据分析的建模进展[J];五邑大学学报(自然科学版);2006年01期

4 包郭平;应益荣;;金融市场中高频数据的分析方法[J];五邑大学学报(自然科学版);2007年01期

5 金登贵;中国证券市场高频数据分布特征研究[J];统计与决策;2005年20期

6 魏莉娅;马永开;;基于高频数据的深圳基金市场日内周期性研究[J];当代经济管理;2007年01期

7 刘建华;;基于高频数据的中国股市量价日内特征分析[J];经济师;2007年10期

8 赵巍;何建敏;;基于股市高频数据的半参数估计方法[J];数理统计与管理;2007年01期

9 胡绍波;;已实现极差系统风险及其在中国股市的应用[J];中国商界(下半月);2010年09期

10 徐正国;张世英;;多维高频数据的“已实现”波动建模研究[J];系统工程学报;2006年01期

相关会议论文 前1条

1 张晨;李月环;;基于调整“已实现”波动率的沪深300指数高频数据波动性研究与预测[A];中国会计学会高等工科院校分会2008年学术年会（第十五届年会）暨中央在鄂集团企业财务管理研讨会论文集（上册）[C];2008年

相关博士学位论文 前4条

1 马锋;高频数据视角下非参数波动率建模、预测及其评价研究[D];西南交通大学;2016年

2 唐勇;基于高频数据的金融市场分析[D];天津大学;2007年

3 刘广应;带跳的分数维积分过程的幂变差理论及其在金融高频数据中的应用[D];复旦大学;2011年

4 李胜歌;基于高频数据的金融波动率研究[D];天津大学;2008年

相关硕士学位论文 前10条

1 叶立;高频数据下波动率的影响分析[D];西北师范大学;2016年

2 刘昂;2015年股市大跌前后的股指期现关系[D];上海社会科学院;2017年

3 韩铁;金融市场（超）高频数据建模及与低频数据对比研究[D];天津大学;2006年

4 张国勇;金融市场（超）高频数据建模及其实证分析[D];天津大学;2004年

5 李颖超;太钢不锈股市高频数据实证研究[D];山西财经大学;2012年

6 侯守国;基于小波分析的股市高频数据研究[D];天津大学;2006年

7 翟昌立;基于高频数据的中国证券市场特征研究[D];天津大学;2007年

8 邵明亭;使用选举模型模拟中国股市高频数据统计特征[D];北京交通大学;2006年

9 谢锦辉;高频数据的Markov建模[D];东北师范大学;2006年

10 刘少梅;基于Hilbert-Huang变换的高频数据分析[D];长春工业大学;2012年

，

本文编号：1649976