基于分位数回归VaR模型对中国证券市场的研究

发布时间：2017-06-29 15:24

  本文关键词：基于分位数回归VaR模型对中国证券市场的研究，由笔耕文化传播整理发布。

【摘要】：我国改革开放已经30多年,我国资本市场也同样经历30多年的发展。随着我国金融发展不断深化、资本市场的逐步放开,所面临的市场风险将变得十分复杂,更多金融机构和企业将暴露于市场风险之中。07-09年之间发生于美国的次贷危机,不仅使得美国自身经济受到严重打击,很多美国企业纷纷破产,甚至华尔街到了“谈次色变”的地步,并且使得全球经济进入低迷状态。我国为了应对此次全球金融危机提出了4万亿的振奋经济的救市计划。自从我国加入WTO之后,与世界的联系越来越紧密,资本的全球化流动越来越广泛、金融的联动性越来越强烈,2015年我国吸引外商直接投资总额1262.7亿美元,对外投资总额达1180.2亿美元,所以应更加需要注重对风险进行监测和管理。金融监管的发展往往是与时代相适应的,也就是说与经济发展相适应。回顾过去一百多年的历史,金融监管经历了从全面的严格管制到金融自由化市场发展,再到目前的审慎性监管。其发展的每一步都伴随着金融产品的创新和发展,但是这些都将伴随着潜在的金融风险,这给金融风险的管理带来了巨大的挑战。尤其对于我国正在实现“中国梦”的伟大抱负时,因而对于金融风险的识别、度量、防范、预测方面需要更加有效、更加准确的方法。因此,为了保障我国金融市场的稳定、稳步发展我国资本市场,着重提高市场风险管理监督水平和加强对风险的控制与防范变得至关重要。随着金融市场向着多样化不断发展,对金融风险的控制方法和度量水平的要求也越来越高,所以如何去准确测量金融市场风险成为一个值得关注的问题。如何从各种各样的风险模型中去选择适合我国国情的模型,显得十分必要。VaR模型是风险管理中最常用、最成熟的模型之一,并被广泛运用于全球各大金融机构、企业和政府中进行风险管理,并已成为国际主流的金融风险度量标准。因此,对VaR模型进行大力拓展、创新VaR计量方法,这对于改善金融市场风险计量,完善金融市场风险的管理和提高对金融市场风险的合理性和适应性尤为重要,这对于我国金融风险管理将具有相当重要的实际意义。VaR的本质就是一个分位数,其概念相对简单,但是计算VaR的思想和方法却有成千上万种,很多方法都是通过对金融资产收益率的分布形式或是密度函数进行估计测算,比如Risk Metrics模型、方差-协方差方法等。本文引入分位数回归方法来计算VaR值,因为分位数回归方法相较于其他传统的模型方法,可以直接对模型进行分位数回归而不用考虑金融数据分布形式,对于异方差性也能够很好的适应,而且对于极端情况也能很好的刻画。因此分位数回归方法是一种十分稳健的回归方法,对于我国金融市场上金融数据尖峰厚尾、波动聚集的特性尤其适合。同时本文结合一些其他VaR计量模型方法,通过实证分析研究,试图比较模型之间的计量效果来分析研究分位数回归方法在VaR上的优势和局限,希望为以后金融风险计量提供思路,也希望分位数回归方法能够广泛应用于除金融风险计量之外的其他领域。本文主要分为五个部分,各部分内容如下：第一章：绪论。该章节阐述了在经济高度发达,金融不断深化和全球化的大环境中,金融风险的频繁发生,对全球经济造成了巨大的损失,因此金融风险管理变得尤为重要。如何对未来的风险进行合理预测、有效防范,成为研究的重点。同时,本章介绍了本文的研究思路和方法以便读者对全文有个整体的把握。第二章：文献综述部分。该章节对国内外相关文献进行了阅读和梳理。通过VaR和分位数回归方法两条主线,分国内和国外两个方向,对VaR和分位数回归方法的理论发展过程和研究进展进行梳理和总结。并从其中得到对本文最主要的模型思路和方法过程。第三章：相关基础理论的介绍。该章节通过对金融市场风险、VaR理论和分位数回归理论的基础进行介绍,把整个理论过程的基础知识进行认真的梳理。从所涉及到的金融市场风险的概念到VaR理论的定义、计量方法以及模型的检验,再到分位数回归理论。本文得到了对于VaR模型进行金融风险计量的难点,和各模型之间的优缺点。并且通过对分位数回归理论的梳理,加深了分位数回归方法运用在VaR理论上的优势和意义。在此基础上构建了本文研究的分位数回归模型,该分位数回归模型借鉴Chen(2002)提出的一个线性分位数回归模型,本文在模型的基础上进行持有期一天的简化,并结合GARCH(1,1)、ARCH(1)和EGARCH(1,1)模型对分位数回归模型中的波动率进行估计。第四章：本文的实证部分。该章节中首先对选择的四个证券市场指数进行描述性统计分析,从分析研究中发现我国证券市场的金融时间序列存在尖峰厚尾、有偏并且波动聚集的特性。由于四个指数所对应板块市场中的公司组成差异较大,所以各指数之间还是有很明显的差异性。比如创业板综合指数就会比其他指数更加明显,而沪深300指数趋势明显相对平稳。然后对四个指数的时间序列进行平稳性检验和自相关分析,可以发现经过对数收益率处理后,收益率序列呈现平稳并且存在自相关。根据所构建的分位数回归模型对四个指数分别在99%、95%置信水平下,计算VaR值。并使用历史模拟法,Copula函数模型在上证综指和深证综指的等权重联合收益率分布计算VaR值作为模型间的对比。通过Kupiec似然比检验方法对VaR计量模型的有效性和准确性进行检验。通过对模型间LR统计量的比较,本文发现针对于不同的证券市场,模型的适应性也是不一样的。比如在中小板综合指数中QR-ARCH(1)就相对比较有效,而在创业板综合指数中则是QR-EGARCH(1,1)相对比较有效。分位数回归方法、历史模拟法和Gumbel Copula函数之间的表现则为分位数回归方法和历史模拟法相对于Gumbel Copula函数更加有效,并且分位数回归方法较历史模拟法更具有优势。这说明分位数回归方法在我国证券市场VaR计量中具有很好的有效性和准确性。第五章：本文的总结和展望。该章节在总结实证结果的基础上,对分位数回归模型应用的优缺点进行分析。通过分析表明分位数回归方法在我国证券市场具有良好的稳健性,并且不需要对收益率分布进行假设,可以很好适应我国证券市场尖峰厚尾、有偏并波动聚集的特性。而且还可以对极端情况的风险计量有较好的准确性和有效性。在研究结论的基础之上,本文对自身存在的不足进行了分析和总结,并以此提出了未来可能的研究方向,从而为分位数回归方法的广泛应用做出一点微薄的贡献。纵观全文,我国进入全面风险管理将成为趋势,越来越多的学者将会投入到风险管理的研究中,研究的层次将越来越复杂。本文通过分位数回归方法对我国证券市场风险价值进行研究分析发现,我国证券市场各板块是具有差异性的,模型对于各板块模型间的适用性也是有区别的。对此分位数回归方法可以结合其他模型来增强模型对VaR计量的准确性和有效性。’这些都可以为我国进行风险价值研究提供思路和方法。也希望后来者可以通过本文的研究分析找到更好的适应我国证券市场的方法,为推进我国在金融风险管理方面的研究,增强我国防范金融风险的能力,以及完善我国金融风险监管的体系提供理论基础。
【关键词】：风险价值 金融市场风险 证券市场 分位数回归 非参数方法
【学位授予单位】：西南财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;F832.51
【目录】：

• 摘要4-8
• Abstract8-13
• 1. 绪论13-20
• 1.1 研究背景13-15
• 1.2 研究意义15-16
• 1.3 研究思路16-18
• 1.4 基本框架18-19
• 1.5 本文主要创新之处与不足19-20
• 2. 文献综述20-26
• 2.1 国外研究现状20-23
• 2.1.1 国外对VaR的研究现状20-22
• 2.1.2 国外对分位数回归的研究现状22-23
• 2.2 国内研究现状23-26
• 2.2.1 国内对VaR的研究现状23-25
• 2.2.2 国内对分位数回归的研究现状25-26
• 3. 金融市场风险的VaR测度与分位数回归理论26-45
• 3.1 金融市场风险26-29
• 3.1.1 金融风险的含义26-27
• 3.1.2 金融风险的特征27
• 3.1.3 金融风险的分类27-28
• 3.1.4 金融市场风险测度方法28-29
• 3.2 VaR基础理论29-37
• 3.2.1 VaR的定义29-30
• 3.2.2 VaR的优点与应用30-31
• 3.2.3 VaR的计算方法31-36
• 3.2.4 VaR模型的检验36-37
• 3.3 分位数回归理论37-45
• 3.3.1 分位数回归的基本思想37-38
• 3.3.2 模型参数估计38-39
• 3.3.3 分位数回归参数检验与模型评估39-41
• 3.3.4 基于分位数回归VaR模型的建立41-45
• 4. 中国证券市场风险价值的实证研究45-65
• 4.1 基于分位数回归的VaR模型对中国证券市场风险价值实证分析45-54
• 4.1.1 数据的选取及基本统计分析45-47
• 4.1.2 平稳性检验47-48
• 4.1.3 自相关分析48-50
• 4.1.4 分位数回归模型计算VaR的基本步骤50
• 4.1.5 分位数回归技术计算证券市场VaR50-54
• 4.2 基于历史模拟法和Copula方法对我国证券市场VaR的实证分析54-58
• 4.2.1 基于历史模拟法对我国证券市场VaR的实证分析54-56
• 4.2.2 基于Copula函数法对我国证券市场VaR的实证分析56-58
• 4.3 历史模拟法、Copula函数与分位数回归方法的对比分析和结论58-65
• 4.3.1 Kupiec似然比检验基本原理59
• 4.3.2 Kupiec似然比检验结果分析59-65
• 5. 总结与展望65-68
• 5.1 论文总结65-67
• 5.2 展望67-68
• 参考文献68-72
• 致谢72-73

【参考文献】

中国期刊全文数据库 前10条

1 刘晓倩;周勇;;加权复合分位数回归方法在动态VaR风险度量中的应用[J];中国管理科学;2015年06期

2 许启发;徐金菊;蒋翠侠;刘晓华;;基于神经网络分位数回归的VaR金融风险测度[J];合肥工业大学学报(自然科学版);2014年12期

3 许启发;张金秀;蒋翠侠;;基于支持向量分位数回归多期VaR测度[J];系统工程学报;2014年02期

4 程淑芳;陈盛双;;基于GARCH模型的证券市场风险的VaR度量[J];武汉理工大学学报(信息与管理工程版);2012年06期

5 陶伟;;基于GARCH族模型的VaR与CVaR值的实证与应用[J];统计与决策;2012年09期

6 王元月;杜希庆;曹圣山;;阈值选取的Hill估计方法改进——基于极值理论中POT模型的实证分析[J];中国海洋大学学报(社会科学版);2012年03期

7 王春峰;张亚楠;房振明;刘峥然;;基于极值理论的高频条件VaR动态区间估计模型[J];系统工程理论与实践;2010年07期

8 关静;史道济;;分位数回归与上证综指VaR研究[J];统计与信息论坛;2008年12期

9 王新宇;赵绍娟;;基于分位数回归模型的沪深股市风险测量研究[J];中国矿业大学学报;2008年03期

10 陈建宝;丁军军;;分位数回归技术综述[J];统计与信息论坛;2008年03期

  本文关键词：基于分位数回归VaR模型对中国证券市场的研究，，由笔耕文化传播整理发布。

本文编号：498413