Realized GAS-GARCH及其在VaR预测中的应用

发布时间：2017-09-02 18:20

  本文关键词：Realized GAS-GARCH及其在VaR预测中的应用

  更多相关文章： Realized GARCH 冲击响应函数 厚尾分布 VaR

【摘要】：论文提出了新的波动率模型Realized GAS-GARCH,并推导了该模型的QMLE参数估计.该模型结合了Generalized Autoregressive Score(GAS)模型的基本思路,把Realized GARCH模型扩展到包含厚尾分布的情形,并采用了与厚尾分布参数相依的冲击响应函数.与简单的厚尾分布扩展模型相比,这种设定对于回报率中的极端值更加稳健.在基于沪深300指数高频数据的实证结果中,使用GAS冲击响应函数的模型对"在险价值"VaR的预测能力显著的超过了传统的厚尾Realized GARCH模型.
【作者单位】： 对外经济贸易大学金融学院;北京大学国家发展研究院;
【关键词】： Realized GARCH 冲击响应函数 厚尾分布 VaR
【基金】：国家自然科学基金青年科学基金资助项目(71201001;71301027) 教育部人文社会科学青年基金资助项目(12YJC790073;13YJC790146) 对外经济贸易大学中央高校基本科研业务费专项资金资助项目(14YQ05) 对外经济贸易大学学科建设专项经费资助项目(XK2014116)
【分类号】：F224;F832.51
【正文快照】： 0引言从Andersen等[1]开创性的工作开始,越来越多的文献已经证实,使用高频数据可以获得波动率更精确的度量,并引发了相关领域的大量研究[2-7].由于GARCH模型在传统波动率建模中的出色表现,如何将已实现测度与GARCH模型进行结合成为研究中的热点话题2.对于两者的结合,最直接的

【参考文献】

中国期刊全文数据库 前6条

1 徐正国,张世英;调整"已实现"波动率与GARCH及SV模型对波动的预测能力的比较研究[J];系统工程;2004年08期

2 于亦文;;实际波动率与GARCH模型的特征比较分析[J];管理工程学报;2006年02期

3 魏宇;;沪深300股指期货的波动率预测模型研究[J];管理科学学报;2010年02期

4 文凤华;刘晓群;唐海如;杨晓光;;基于LHAR-RV-V模型的中国股市波动性研究[J];管理科学学报;2012年06期

5 王天一;黄卓;;高频数据波动率建模——基于厚尾分布的Realized GARCH模型[J];数量经济技术经济研究;2012年05期

6 陶利斌,方兆本,潘婉彬;中国股市高频数据中的周期性和长记忆性[J];系统工程理论与实践;2004年06期

【共引文献】

中国期刊全文数据库 前10条

1 田华;;基于LW估计的中国证券市场长记忆性实证研究[J];北京理工大学学报(社会科学版);2007年03期

2 王丽娜;张丽娟;;基于CVaR-GARCH-GED模型的股指期货风险预测[J];财会月刊;2010年33期

3 孔鑫;刁治;;基于GARCH模型的权证定价理论研究及实证检验[J];东方企业文化;2011年18期

4 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

5 王春峰;姚宁;房振明;李晔;;中国股市已实现波动率的跳跃行为研究[J];系统工程;2008年02期

6 文凤华;贾俊艳;晁攸丛;杨晓光;;基于加权已实现极差的中国股市波动特征[J];系统工程;2011年09期

7 张伟;李平;曾勇;;中国股票市场个股已实现波动率估计[J];管理学报;2008年02期

8 李胜歌;张世英;;金融高频数据的最优抽样频率研究[J];管理学报;2008年06期

9 魏宇;;中国股票市场的最优波动率预测模型研究——基于沪深300指数高频数据的实证分析[J];管理学报;2010年06期

10 谢军;杨春鹏;闫伟;;高频环境下股指期货市场情绪冲击效应[J];系统工程;2012年09期

中国重要会议论文全文数据库 前3条

1 王岩;;基于GARCH模型和GARR模型的我国保险股波动率分析与预测[A];中国保险学会学术年会入选文集2011（理论卷）[C];2011年

2 李洋;乔高秀;;沪深300股指期货市场连续波动与跳跃波动——基于已实现波动率的实证研究[A];第十四届中国管理科学学术年会论文集(上册)[C];2012年

3 郑艺;梁循;孙晓蕾;;基于RV的LMSV模型在中国股市中的实证研究[A];第十六届中国管理科学学术年会论文集[C];2014年

中国博士学位论文全文数据库 前10条

1 沈巍;建立股指波动预测模型的方法研究及应用[D];华北电力大学（北京）;2011年

2 梁春早;期货市场风险度量与对冲研究[D];天津大学;2011年

3 张颖洁;基于证券市场微观结构的噪音及资产价格行为研究[D];天津大学;2011年

4 郑仲民;金融资产价格跳跃行为研究[D];天津大学;2011年

5 王芳;基于市场微观结构噪声和跳跃的金融高频数据波动研究[D];西南财经大学;2011年

6 潘娜;波动指数：理论、方法和在我国的应用[D];华中科技大学;2011年

7 楼迎军;我国期货价格行为与市场稳定机制研究[D];浙江大学;2005年

8 唐勇;基于高频数据的金融市场分析[D];天津大学;2007年

9 李胜歌;基于高频数据的金融波动率研究[D];天津大学;2008年

10 丁文斌;我国玉米期货价格影响因素与波动特征分析[D];华中农业大学;2009年

中国硕士学位论文全文数据库 前10条

1 黄孟辉;中国股票市场交易持续期的分形分析[D];浙江工商大学;2011年

2 冯伟佳;基于已预期信息修正的中国股市波动非对称性研究[D];西北大学;2011年

3 王红丽;基于状态转移的股指期货波动时变组合预测研究[D];重庆师范大学;2011年

4 吴曼琪;基于广义极值理论的股指期货保证金水平设置研究[D];暨南大学;2011年

5 姜雨含;我国股指期货对现货市场的价格波动性影响及其协整性检验研究[D];云南财经大学;2011年

6 吴宏仁;金融风险度量模型综述[D];山东大学;2011年

7 严宇欣;基于VaR-GARCH模型的我国股指期货市场风险测评[D];中国海洋大学;2011年

8 王会雨;基于高频波动的VaR模型比较研究[D];西南财经大学;2011年

9 罗意;基于已实现波动率的条件VaR研究[D];长沙理工大学;2011年

10 邹文鹤;股指期货的推出对我国现货市场波动性的影响[D];东北财经大学;2011年

【二级参考文献】

中国期刊全文数据库 前10条

1 唐勇;池云果;;基于已实现波动率的长记忆性分析[J];福州大学学报(哲学社会科学版);2010年05期

2 余素红,张世英;SV与GARCH模型对金融时间序列刻画能力的比较研究[J];系统工程;2002年05期

3 房振明,王春峰,蒋祥林;中国股市回报波动性分析——高频数据揭示股市的特征[J];系统工程;2004年02期

4 徐正国,张世英;调整"已实现"波动率与GARCH及SV模型对波动的预测能力的比较研究[J];系统工程;2004年08期

5 张永东,毕秋香;上海股市波动性预测模型的实证比较[J];管理工程学报;2003年02期

6 于亦文;;实际波动率与GARCH模型的特征比较分析[J];管理工程学报;2006年02期

7 陈怡玲,宋逢明;中国股市价格变动与交易量关系的实证研究[J];管理科学学报;2000年02期

8 余素红,张世英,宋军;基于GARCH模型和SV模型的VaR比较[J];管理科学学报;2004年05期

9 魏宇;;沪深300股指期货的波动率预测模型研究[J];管理科学学报;2010年02期

10 黄后川,陈浪南;中国股票市场波动率的高频估计与特性分析[J];经济研究;2003年02期

【相似文献】

中国期刊全文数据库 前10条

1 庄泓刚;王春峰;房振明;卢涛;;基于L-矩的厚尾分布动态拟合研究[J];管理学报;2010年08期

2 童泳欢;;基于厚尾分布的市场风险测度[J];中山大学研究生学刊(社会科学版);2008年03期

3 欧阳资生;;厚尾分布的极值分位数估计与极值风险测度研究[J];数理统计与管理;2008年01期

4 王天一;黄卓;;高频数据波动率建模——基于厚尾分布的Realized GARCH模型[J];数量经济技术经济研究;2012年05期

5 叶五一;缪柏其;吴振翔;;基于收益率修正分布的VaR估计[J];数理统计与管理;2007年05期

6 赵攀;袁国军;;基于Tsallis熵最大化的VaR模型[J];统计与决策;2013年13期

7 卓志;王伟哲;;巨灾风险厚尾分布:POT模型及其应用[J];保险研究;2011年08期

8 杨晓光,马超群,文风华;VaR之下厚尾分布的最优资产组合的收敛性[J];管理科学学报;2002年01期

9 ;[J];;年期

10 ;[J];;年期

中国硕士学位论文全文数据库 前3条

1 杨少华;厚尾分布条件下的金融市场风险测度[D];华侨大学;2012年

2 王频;厚尾分布条件下的金融市场风险度量研究[D];武汉大学;2005年

3 宋鹏燕;基于厚尾分布和GARCH类模型的金融风险度量研究[D];重庆大学;2009年

，

本文编号：780138