基于两类异方差模型的沪深300指数的VAR研究

发布时间：2017-08-28 00:56

  本文关键词：基于两类异方差模型的沪深300指数的VAR研究

  更多相关文章： WAR GARCH类模型 SV类模型

【摘要】：改革开放以来,我国证券市场得到迅猛的发展。沪深两市日成交金额从2004年的1000多亿元发展到2014年的6000亿元左右,2015年3月24日沪深两市日成交金额甚至突破了1.4万亿元。随着证券市场的不断完善,各种金融证券的衍生品相继推出。2010年4月推出了沪深300股票指数期货,2013年9月国债期货正式在中国金融期货交易所上市交易,2015年2月推出了上证50 ETF期权。本文用实证分析方法研究沪深300股票指数期货的标的证券沪深300指数的风险度量。采用VAR方法度量风险,并用参数方法计算沪深300指数的VAR值。首先通过最小二乘法拟合了沪深300指数的收益率,然后运用GARCH模型和SV模型这两种异方差模型得到了收益率的均方差,并使用Eviews软件和Openbugs软件分别估计了GARCH模型和SV模型的参数,最后求出了沪深300指数的VAR值,并结合基本频率检测法对GARCH-N、GARCH-T、GARCH-GED、SV-N、SV-T、 SV-MT、SV-MN等七个异方差模型进行了检验。实证分析结果表明,用VAR方法度量沪深300指数风险,SV-MT模型是最精确的。
【关键词】：WAR GARCH类模型 SV类模型
【学位授予单位】：华中师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51;F224
【目录】：

• 摘要5-6
• Abstract6-8
• 第一章 引言8-11
• 1.1 选题背景和意义8-9
• 1.2 国内外相关研究9-10
• 1.3 研究思路及方法10-11
• 第二章 VAR简介11-12
• 2.1 VAR11-12
• 第三章 数据选取及检验12-15
• 3.1 数据的选取12
• 3.2 数据的分析12-14
• 3.3 平稳性检验14-15
• 第四章 平稳时间序列模型的建立15-19
• 4.1 模型的识别15-16
• 4.2 模型的估计16-17
• 4.3 模型的检验17-19
• 第五章 实证分析19-32
• 5.1 GARCH模型和SV模型的选取19
• 5.2 GARCH模型19-22
• 5.3 Stochastic volatility(SV)模型(随机波动率模型)22-26
• 5.4 基于SV和GARCH模型下的VAR值的计算和比较26-30
• 5.5 模型对比分析30-32
• 第六章 结束语32-33
• 参考文献33-35
• 附录35-41
• 致谢41

【参考文献】

中国期刊全文数据库 前3条

1 高莹;周鑫;金秀;;GARCH-EVT模型在动态VaR中的应用[J];东北大学学报(自然科学版);2008年04期

2 孙米强,杨忠直,余素红,宋军;基于随机波动模型的VaR的计算[J];管理工程学报;2004年01期

3 迟国泰;王玉刚;汪红梅;;基于多元GARCH-VaR的期货组合保证金模型及其应用研究[J];预测;2008年05期

，

本文编号：746586