毕业论文.基于GARCH和VaR的证券投资基金市场风险模型.docVIP

PAGE 2 毕业设计（论文） 题 目 基于GARCH和VaR的证券投 资基金市场风险模型 学 院 理 学 院 专 业 信息与计算科学 学 生 杨 川 陵 学 号 指导教师 鲁 皓 重庆交通大学 2013 年 PAGE 3 目 录 TOC \o 1-3 \u 摘 要 Ⅰ ABSTRACT Ⅱ 第1章 引 言 PAGEREF _Toc357666216 \h 1 1.1选题背景及意义 PAGEREF _Toc357666217 \h 1 1.2国内外文献综述 PAGEREF _Toc357666218 \h 2 1.2.1国外文献综述 PAGEREF _Toc357666219 \h 2 1.2.2国内文献综述 PAGEREF _Toc357666220 \h 5 1.3研究方法与全文结构 PAGEREF _Toc357666221 \h 7 第2章VaR方法理论及计算方法 PAGEREF _Toc357666222 \h 9 2.1 VaR基本理论 PAGEREF _Toc357666223 \h 9 2.1.1 VaR定义 PAGEREF _Toc357666224 \h 9 2.1.2 VaR的假设及一般表达式 PAGEREF _Toc357666225 \h 9 2.2 VaR影响因素的选择 PAGEREF _Toc357666226 \h 11 2.3 VaR的计算方法 PAGEREF _Toc357666227 \h 12 2.3.1 VaR的计算原理 PAGEREF _Toc357666228 \h 12 2.3.2计算VaR的方法 PAGEREF _Toc357666229 \h 12 2.3.3对传统VaR计算方法的评价 PAGEREF _Toc357666230 \h 13 第3章 基于GARCH模型的VaR方法 PAGEREF _Toc357666231 \h 15 3.1金融数据的尖峰厚尾特征 PAGEREF _Toc357666232 \h 15 3.2 GARCH模型理论基础 PAGEREF _Toc357666233 \h 16 3.2.1模型形式 PAGEREF _Toc357666234 \h 16 3.2.2描述厚尾特征的GED分布与t分布密度函数 PAGEREF _Toc357666235 \h 18 3.3基于GARCH模型的VaR计算 PAGEREF _Toc357666236 \h 18 3.3.1建立GARCH模型 PAGEREF _Toc357666237 \h 18 3.3.2 GARCH—VaR的计算步骤 PAGEREF _Toc357666238 \h 19 3.3.3 VaR的返回检验 PAGEREF _Toc357666239 \h 20 第4章GARCH—VaR实证研究 PAGEREF _Toc357666240 \h 22 4.1样本及数据选取 PAGEREF _Toc357666241 \h 22 4.2基金日收益率的数理统计分析 PAGEREF _Toc357666242 \h 22 4.2.1收益率时序图 PAGEREF _Toc357666243 \h 22 4.2.2平稳性检验 PAGEREF _Toc357666244 \h 24 4.2.3基本统计及分析 PAGEREF _Toc357666245 \h 25 4.2.4相关性检验 PAGEREF _Toc357666246 \h 27 4.2.5 ARCH效应检验 PAGEREF _Toc357666247 \h 31 4.2.6 GARCH模型设定 PAGEREF _Toc357666248 \h 31 4.2.7基金VaR值的计算 PAGEREF _Toc357666249 \h 35 4.3 VaR模型的返回检验结果及分析 PAGEREF _Toc357666250 \h 35 第5章 结论与展望 PAGEREF _Toc357666251 \h 37 致 谢 PAGEREF _Toc357666252 \h 38 参考文献 PAGEREF _Toc357666253 \h 39 附 录 PAGEREF _Toc357666254 \h 42 TOC \c 表 表 21不同VaR计算的优缺点 PAGEREF _Toc