基于MEM模型的中国沪深300股指期货风险研究
本文关键词:基于MEM模型的中国沪深300股指期货风险研究 出处:《天津大学》2014年硕士论文 论文类型:学位论文
更多相关文章: 中国沪深300股指期货 赋权已实现极差波动 乘积误差模型 风险价值 套期保值比率 阈值模型 Copula函数
【摘要】:经济全球化大大提高了全球金融市场的运行效率。各国的金融市场构成了一个互相联动的金融系统,在资金跨市场流动的同时,金融风险也在迅速转移,某一个国家的金融危机连锁式的在全球发酵已成为了当下金融系统的特征,所以世界各国在发展金融市场时面临的首要问题就是风险防范,而风险防范的核心问题是风险的精确度量和准确预测。本文着眼于中国沪深300股指期货市场,基于乘积误差模型(Multiplicative Error Model,MEM)研究其风险,包括波动度量、波动预测、风险价值(VaR)预测、动态套期保值比率的确定。其中波动度量我们选用基于高频数据的波动估计量——赋权已实现极差波动(Weighted Realized Range-based volatility,WRRV)。在对赋权已实现极差波动建立乘积误差模型时,我们假设模型的残差项有三种分布:标准指数分布、标准Weibull分布和标准化的广义Gamma分布,并且模型的阶数到2阶。本文开展了对乘积误差模型样本外预测的研究,并基于此实现了对沪深300股指期货风险价值(VaR)的预测和动态套期保值比率的确定。在预测风险价值(VaR)时,我们分别使用方差-协方差分析法和极值方法中的阈值模型与GARCH模型、EGARCH模型、乘积误差模型结合,测度VaR,通过Kupiec LR检验衡量模型有效性,实证结果显示:阈值模型优于方差-协方差分析法,在阈值模型的框架下,比较MEM模型和GARCH类模型,发现MEM-EVT-POT类模型优于GARCH-EVT-POT类模型。动态套期保值比率的确定中,我们引入了Copula方法确定股指期货和现货的Kendall秩相关系数,并分别使用GARCH模型和乘积误差模型预测条件波动率,实证结果显示:基于Copula-MEM模型计算的套期保值比率效果优于Copula-GARCH模型。
[Abstract]:Economic globalization has greatly improved the operational efficiency of global financial markets . The financial markets of countries constitute a mutually linked financial system . At the same time , financial risks are shifting rapidly . At the same time , financial risks are shifting rapidly . At the same time , the core problem of risk prevention is the accuracy and accuracy of risk . In this paper , we focus on the determination of volatility measure , fluctuation prediction , risk value ( VaR ) prediction and dynamic hedging ratio . In this paper , we propose three distributions : standard exponential distribution , standard Weibull distribution and standardized generalized Gamma distribution , and the order of the model to the second order .
【学位授予单位】:天津大学
【学位级别】:硕士
【学位授予年份】:2014
【分类号】:F224;F724.5
【参考文献】
相关期刊论文 前10条
1 蒋_g;;基于GARCH-copula模型的股指期货动态套期保值比率研究[J];中央财经大学学报;2013年05期
2 谢赤;余聪;罗长青;王纲金;;基于MRS Copula-GJR-Skewed-t模型的股指期货套期保值研究[J];系统工程学报;2013年01期
3 赵树然;任培民;赵昕;;基于CARR-EVT整体方法的动态日VaR和CVaR模型研究[J];数量经济技术经济研究;2012年11期
4 左浩苗;刘振涛;曾海为;;基于高频数据的股指期货与现货市场波动溢出和信息传导研究[J];金融研究;2012年04期
5 董耀武;周孝华;姜婷;;基于EVT-POT-SV-MT模型的极值风险度量[J];管理工程学报;2012年01期
6 桂文林;韩兆洲;潘庆年;;POT模型中GPD“厚尾”性及金融风险测度[J];数量经济技术经济研究;2010年01期
7 王玉刚;迟国泰;杨万武;;基于Copula的最小方差套期保值比率[J];系统工程理论与实践;2009年08期
8 顾雪松;;基于GARCH-VaR的股指期货保证金模型[J];统计与决策;2009年13期
9 刘庆富;仲伟俊;梅姝娥;;基于VaR-GARCH模型族的我国期铜市场风险度量研究[J];系统工程学报;2006年04期
10 唐勇;张世英;;高频数据的加权已实现极差波动及其实证分析[J];系统工程;2006年08期
,本文编号:1361281
本文链接:https://www.wllwen.com/jingjilunwen/touziyanjiulunwen/1361281.html