基于GARCH-CVaR模型的我国股票市场风险分析

格式：pdf
大小：189.49 KB
文档页数：4

ｏ５年２月
同济大学学报（自然科学版）ＪＯＵＲＮＡＬＯＦＴＯＮＧＪＩＵＮｉＶＥＲＳｉＴＹ（ＮＡＴＵＲＡＬＳＣＩＥＮＣＥ）
＆Ｕｒｙａｓｅｖ的定义［１，２］，ＣＶａＲ是超过ＶａＲ的损失
的期望值．更为确切的是指在一定的置信水平下，某
一
在金融界已经获得广泛应用，但越来越多的理论及实证研究表明，ＶａＲ在理论及应用中存在许多缺陷，其数学特性较差，更重要的是，ＶａＲ方法不能体现尾部事件发生时其可能损失的程度．针对Ｖ存
．
ｃｎ
维普资讯
第２期
王树娟，等：基于ＧＡＲＣＨ－ＣＶａＲ模型的我国股票市场风险分析
ＣＶａＲ在许多方面比ＶａＲ有更大的优越性，它继承了ＶａＲ的诸多优点，并对其缺点进行了修正［３］： ① ＣＶａＲ以一个简单的数字描述预期风险； ⑦ ＣＶａＲ对尾部风险进行了定量描述； ③ ＣＶａＲ取值一般高于ＶａＲ，更加符合风险管理的谨慎性原则； ④ ＣＶａＲ具有良好的数学特性，如连续性、次可
基于正态分布假设的静态模型进行研究，可选择
ＧＡＲＣＨ —ＣＶ动态模型分析其波动性和条件风
险．
Ｐ近似为０，进一步判断可以９９％以上的置信水平
拒绝正态分布的零假设．
ＣＶａＲａｎｄｏｔｈｅｒｒｉｓｋｆｅａｔｕｒｅｓｏｆｔｈｅｓｔｃｋｏｍａｒｋｅｔｉｎｏｕｒｃｏｕｎｔｒｙａｒｅａｎａｌｙｚｅｄ．ＩｔｉＳｌｓａｏｓｈｏｗｎｔｈａｔｔｈｅｒｅｔｕｒｎｅｒｓｉｅｓｏｆｏｕｒｓｔｃｋｏｍａｒｋｅｔｈａｓｓｉｇｎｉｆｉｃａｎｔｖａｒｉａｎｃｅｃｌｕｓｔｅｒｉｎｇｓａｏｔｈｅｒｄｅｖｅｌｐｅｄｍａｒｋｅｔｓ．Ｗｈｉｌｅｅｖｅｎｔｓｃｃｏｕｒｓ，ｉｔｓｅｆｆｅｃｔｗｉｌｌｂｅｐｅｒｓｉｓｔｅｎｔｆｏｒｌｏｎｇ．Ｋｅｙｗｏｒｄｓ：ｓｔｃｋｏｍａｒｋｅｔ；ｒｉｓｋｎａａｌｙｓｉｓ；ｃｏｎｄｉｔｉｏｎｌａｖｌｕａｅａｔｉｓｒｋ；ｇｅｎｅｒｌｉａｚｅｄａｕｔｏｒｅｇｒｅｓｓｉｖｅｃｏｎｄｉ —
Ｖ０１．３３ＮＯ．２
Ｆｌｅｂ．２００５
基于ＧＡＲＣＨ．ＣＶａＲ模型的我国股票市场风险分析
王树娟，黄渝祥
（同济大学经济与管理学院，上海２０００９２）
摘要：条件风险值（Ｃ Ⅷ ）风险度量方法是风险值（ｖ｛）方法的改进，是一种较之ＶａＲ更加客观谨慎的风险度量
动即风险较大时．
关键词：股票市场；风险分析；条件风险值；自回归条件异方差中图分类号：Ｆ８３０．９文献标识码：Ａ文章编号：０２５３ —３７４Ｘ（２００５）０２ —０２６０ — ０４
１．２模型选择［４］
数据分析结果表明，我国股票市场收益序列存在明显波动聚类现象和尖峰、厚尾问题，不适宜运用
指数收益序列进行一般描述统计检验表明，序列分布的偏度０．５１６４＞０，峰度９．２５９１＞３，与正态分布相比呈现明显右偏、尖峰的分布形态．Ｊａｒｑｕｅ．Ｂｅｒａ正态分布假设检验表明，Ｑ统计值为１８８８，相伴概率
ｔｉｏｎａｌｈｅｔｅｒｏｓｃｅｄｓｔａｉｃｉｔｙ
条件风险值（ｏｎｃｄｉｔｉｏｎａｌｖｌａｕｅａｔｉｒｓｋ，ＣＶａＲ）是
继Ｖ水之后产生的又一种风险度量方法．ＶａＲ方法
ＲｉｓｋＡｎａｌｙｓｉｓｏｆＣｈｉｎａ’ ＳＳｔｏｃｋＭａｒｋｅｔＢａｓｅｄｏｎＧＡＲＣＨ— ＣＶａＲＭｏｄｅｌ
ＷＡＮＧＳｈｕ－ｊｕａｎ，ＨＵＡＮＧＹｕ — ｘｉａｎｇ
表１我国股票市场收益序列的自相关、偏相关函数值
Ｔａｂ．１Ａｕｔｏｃｏｒｒｅｌａｔｉｏｎａｎｄｐａｒｔｉａｌａｕｔｏｃｏｒｒｅｌａｔｉｏｎｏｆ
ｒｅｔｕｒｎｓｅｒｉｅｓｏｆＣｈｉｎａ ’ Ｓｓｔｏｃｋｍａｒｋｅｔ
Ａｂｓｔｒａｃｔ：ＣＶａＲｉｓａｃｏｎｄｉｔｉｏｎａｌｅｘｐｅｃｔａｔｉｏｎｏｆｌｏｓｓｅｓａｂｏｖｅＶａＲ．ＣＶａＲｈａｓｔｈｅａｔｔｒａｃｔｉｖｅｐｒｏｐｅｒｔｙ，ｗｈｉｃｈｔｅｌｌｓＵＳｓｏｍｅｔｈｉｎｇａｂｏｕｔｗｈａｔｈａｐｐｅｎｓｉｎｔａｉｌｅｖｅｎｔｓ－－ｔｅｌｌｉｎｇＵＳｔｈｅｌｏｓｓｗｅｓｈｏｕｌｄｅｘｐｅｃｔｗｈｅｎ
方法．运用ＣＶａＲ的动态计算模型——ＧＡＲＣＨ —ＣＶａＲ模型，对我国股票市场风险特征进行了分析研究，结果表
明：我国股票市场具有显著波动聚集性及持续性，股票市场的ＣＶａＲ值始终比同期ＶａＲ值偏大，尤其在市场剧烈波
ＣＶａＲ的概念是“ 条件风险值” ，根据Ｒｃｋｏａｆｅｌｌａｒ
收稿日期：２００３—１０一Ｏ８作者简介：王树娟（１９７２一），女，江苏东海人．博士生，经济师．Ｅ－ｍａｉｌ：ｓｈｕｊｕａｎｗ２００１＠ｙａｈｏｏ．ｃｏｍ
序完成．１．１数据分析
样本期内中信指数从开初的１１４０．９８点，最高
上涨到１５２３．３２点，最低跌至７８８．６点，样本期末
收于９１１．０３点，指数经历了大幅度的上下波动．对
１我国股票市场风险分析
本文以中信指数为对象，对我国股票市场风险进行实证分析．选取样本范围为１９９８年５月４日到
２００２年１２月３１日中信指数每日收盘价，共１１２７个交易日．分析与计算借助Ｍａｔｌａｂ６．５软件编制程
表２我国股票市场均方收益序列的自相关、偏相关函数值
Ｔａｂ．２ＡｕｔｏｃｏｒｒｅｌａｔｉｏｎａｎｄｐａｒｔｉａｌａｕｔｏｃｏｒｒｅｌａｔｉｏｎｏｆｓｑｕａｒｅｒｅｔｕｒｎｓｅｒｉｅｓｏｆＣｈｉｎａ’ Ｓｓｔｏｃｋｍａｒｋｅｔ
ｓｕｃｈｅｖｅｎｔｓｏｃｃｕｒ．Ｔｈａｔｉｓｖｅｒｉｆｉｅｄｉｎｔｈｉｓｐａｐｅｒ，ｗｈｅｒｅＧＡＲＣＨ－ＣＶａＲｍｏｄｅｌｉｓｕｓｅｄｔｏｅｓｔｉｍａｔｅｔｈｅ
在的缺点，一些学者提出了ＣＶａＲ风险度量方法，对Ｖ进行修正．
资产或资产组合的损失超过ＶａＲ的尾部事件的
期望值．ＣＶａＲ用数学公式可定义为
ｃ Ⅷ：－ｆｏｆ（）ｄ叫
值．
（１）
其中：ａ为置信水平；Ｗ为资产或资产组合的价值；ｆ（）为概率密度函数；ＶａＲ为置信水平ａ下的风险
加性、正均质、凸性、一阶单调性、二阶单调性等．
我国股票市场处于发展初期，起步于计划经济向市场经济转型的环境中，存在种种缺陷，具有与发达成熟市场不同的特点．所以，如何用更加谨慎科学的方法对其风险进行正确的度量、分析和管理，无论对投资者还是政府监管部门，都具有十分重要的意义．为此本文选择ＣＶａＲ风险度量方法，并运用其直接计算模型——ＧＡＲＣＨ —ＣＶａＲ模型【引，来处理股票市场收益序列依时变化的波动特征，对我国股票市场的风险特征进行分析研究．

基于GARCH—VaR模型对股市风险研究

基于GARCH—VaR模型对股市风险研究
随着全球经济和金融市场的不断发展，股市风险已经成为金融领域中一个非常重要的研究领域。

在股市投资中，研究股市风险具有非常重要的意义。

因此，研究股市风险的方法也成为了学者们关注的热点话题。

在这个背景下，GARCH-VaR模型应运而生。

GARCH-VaR模型是一种非常有效的风险度量方法，可以用来预测股市的风险和市场波动性。

该方法通过将GARCH（广义自回归条件异方差）方法和VaR（Value-at-Risk）方法相结合，可以显著提高股市风险的预测精度和准确性。

GARCH模型是一种对金融时间序列数据进行建模的经典方法。

它克服了传统的线性回归模型中忽略异方差性质的缺点。

GARCH模型基于时间序列数据的特点，将历史波动率与未来预测值相结合，得到一个区间范围。

用于度量股市波动率的精度和准确性。

GARCH模型还能够有效地处理非常规市场波动和金融风险。

VaR是一个广泛应用于市场风险度量的方法，它表示在一定时间内的特定置信度水平下，一个金融资产或投资组合的最大可能亏损。

VaR必须综合考虑金融市场的波动、投资者的 risk aversion 以及市场异常事件的可能性等各种因素，并给出一个风险值的经验度量（例如，尾部风险），以便支持决策制定。

GARCH-VaR模型是将GARCH和VaR两种方法结合在一起，有效地解决了股市风险度量的问题。

它可以帮助投资者预测未来市场的波动率和风险，以及建立合理的投资组合，保护资产免受金融市场异常事件的影响。

此外，GARCH-VaR模型还可以用于市场风险控制和监测，有助于改进金融市场的风险管理和监管制度。

基于GARCH模型的我国股市风险分析

基于GARCH模型的我国股市风险分析GARCH模型是一种用来分析金融市场风险的统计模型，可以在一定程度上预测金融市场的波动性。

本文将基于GARCH模型对我国股市的风险进行分析。

我们需要收集我国股市的日度收益率数据。

通过计算股票的日度收益率，可以得到一个时间序列，反映了股票价格的波动情况。

然后，我们可以根据这个时间序列构建GARCH模型。

GARCH模型是一种时间序列模型，结合了ARCH模型和GARCH模型的优点。

ARCH模型适用于描述方差随时间变化的非线性特征，而GARCH模型进一步引入了前期的方差信息来预测后期的方差。

这种模型的优点是能够捕捉到金融市场的波动性的不对称性和长尾分布。

在构建GARCH模型之前，需要进行模型的参数估计。

可以使用最大似然估计法来估计模型的参数。

通过拟合历史数据，可以获得GARCH模型的拟合程度，进一步评估模型的有效性。

通过GARCH模型，我们可以获得未来的风险预测。

通过对未来风险的预测，可以制定相应的投资策略。

当预测到市场的风险较高时，可以适当减少投资仓位，降低风险暴露。

当预测到市场的风险较低时，可以增加投资仓位，追求更高的收益。

GARCH模型还可以进行风险价值（Value at Risk，VaR）的计算。

VaR是金融市场风险管理中常用的指标，用于衡量投资组合在给定置信水平下可能面临的最大损失。

通过GARCH模型，可以估计不同置信水平下的VaR，并制定相应的风险管理策略。

需要注意的是，GARCH模型是基于历史数据的统计模型，对未来的预测存在一定的不确定性。

GARCH模型还假设金融市场的波动性是稳定的，但实际情况可能受到各种外部因素的影响，从而导致模型的预测不准确。

基于GARCH模型的股市风险分析可以通过建立一个能反映股价波动情况的时间序列模型，并通过模型的参数估计和拟合程度评估风险模型的有效性。

通过风险预测和VaR计算，可以制定相应的风险管理策略，提高投资组合的收益稳定性。

基于GARCH—VaR模型对股市风险研究

基于GARCH—VaR模型对股市风险研究【摘要】本文通过介绍GARCH模型、VaR模型以及GARCH—VaR模型的原理，探讨了基于GARCH—VaR模型对股市风险的研究。

通过实证分析和模型应用实例，展示了GARCH—VaR模型在风险预测和管理中的优势。

结论部分总结了研究成果，指出了模型的局限性并展望未来的研究方向。

这项研究具有重要的理论意义和实践价值，为投资者和决策者提供了有效的风险管理工具和参考。

GARCH—VaR模型的应用将在金融领域持续发挥重要作用，为市场参与者提供更加可靠和准确的风险预测和决策支持。

【关键词】GARCH模型、VaR模型、风险研究、股市、模型应用、优势、成果总结、局限性、未来研究、引言、正文、结论。

1. 引言1.1 研究背景股市是金融市场中最具波动性的市场之一，投资者在股市中面临着巨大的风险。

有效的风险管理对于投资者来说至关重要。

在这种背景下，GARCH—VaR模型成为了研究股市风险管理的重要工具。

GARCH模型是用来描述时间序列数据中波动性的模型，具有预测股市波动性的特点。

VaR模型是用来衡量资产或投资组合在给定置信水平下可能的最大损失。

将GARCH模型与VaR模型相结合，可以更准确地估计股市风险。

当前，随着金融市场的不断发展和创新，传统的风险管理方法已经无法满足多样化的投资需求。

基于GARCH—VaR模型对股市风险进行研究具有重要意义。

通过深入研究GARCH—VaR模型的原理和应用实例，可以帮助投资者更好地理解股市风险，提高风险管理的效果。

在这样的背景下，本文旨在分析和评估GARCH—VaR模型在股市风险管理中的应用，并探讨其优势和局限性，为未来对股市风险管理的研究提供参考和借鉴。

部分到此结束。

1.2 研究意义股市风险研究在当前金融市场中具有重要的意义。

股市作为金融市场中最重要的部分之一，其波动和风险直接影响着投资者的利益和整个经济的稳定。

通过对股市风险的深入研究，可以帮助投资者更好地了解市场的风险特征，从而制定更有效的投资策略，降低投资风险，提高投资收益。

基于GARCH—VaR模型对股市风险研究

基于GARCH—VaR模型对股市风险研究一、引言股市是一种充满风险的投资方式，投资者在进行股市投资时，除了要关注收益外，更需关注股市的风险情况。

股市风险的研究对投资者进行风险管理和决策提供了重要的依据，而GARCH—VaR模型是一种用来研究股市风险的重要工具。

本文将基于GARCH—VaR模型对股市风险进行研究，以期为投资者提供有益的参考。

二、GARCH—VaR模型的理论基础GARCH模型是Generalized Autoregressive Conditional Heteroskedasticity的缩写，是对时间序列数据中的异方差性进行建模的一种方法。

GARCH模型假设时间序列数据的波动率在时间上是变化的，并且与之前一段时间内的观测值的波动率相关。

而Value at Risk （VaR）则是对金融资产或投资组合未来一段时间内可能出现的最大损失进行估计的一种方法，在风险管理中被广泛应用。

GARCH—VaR模型将GARCH模型和VaR方法结合起来，通过GARCH模型对股票价格的波动进行建模，再结合VaR方法对未来投资组合的风险进行预测。

通过GARCH—VaR模型，投资者可以更加精准地估计未来一段时间内可能出现的最大损失，以此来进行风险管理和决策。

1. 数据准备在使用GARCH—VaR模型进行股市风险研究之前，首先需要对相关数据进行准备。

通常会选择某一只股票的历史价格数据，或者选择某个股票指数的历史价格数据。

数据的选择应该充分考虑到所研究的股市风险的具体情况，并且应该包含足够长的时间跨度，以便能够充分反映股市的波动情况。

2. GARCH模型的建立在选定了需要研究的股票或股票指数的历史价格数据后，下一步是建立GARCH模型。

GARCH模型的建立是对股票价格波动的建模，通常可以使用计量经济学中的相关软件来进行估计。

通过对历史价格数据的建模，可以得到GARCH模型的参数，这些参数将会成为后续进行VaR预测的重要依据。

下载提示

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

基于GARCH-CVaR模型的我国股票市场风险分析

合集下载

基于GARCH—VaR模型对股市风险研究

基于GARCH模型的我国股市风险分析

基于GARCH—VaR模型对股市风险研究

基于GARCH—VaR模型对股市风险研究

文档推荐

最新文档