VaR—APARCH模型和期货投资风险量化分析.pdfVIP

商业研 究 文章编号：1001—148X (2005)23—0164—03 VaR—APARCH模型与期货投资风险量化分析 杨士鹏 (浙江省统计局 投资处，浙江杭州 310025) 摘要：通过对我国沪铜期货合约连续序列的基本统计分析发现，收益率序列存在尖峰厚尾性，不服从 正态分布，还具有杠杆效应。通过采用基于t分布的APARCH族模型来计算在险价值VaR，并对结果 进行了返回检验，得到如下结论：基于t分布APARCH模型能通 检验，说明了t分布对于拟合收益 率的分布是一种非常好的方式；其中无论对于多头还是空头而言，在90％的置信度下，利用APARCH — t模型可以得到最优的度量结果。 关键词：VaR；APARCH族模型；t分布 中图分类号：F830．9 文献标识码：A TheApplicationofEGARCItModelinComputingtheVaR ofChineseFuturesMarketRisk YANG shi—peng (InvestmentSection，ZhejiangProvinceStatisticsCouncil，Hangzhou，Zhejiang310025。Ch／na) Abs嘣 ：ThroughabasicstatisticalanalysisofShanghaicopperocntractoclitillUOIl8sequence-thepaperfindsthathtepeal【 thicktailinhteretulxl$ratiosoquence-whichswaysfrom htenormaldistributionforitslevereffect、Thispaperuse8APARCH — tmodd tocalculateVaR、ItconcludesthatbasedOilt—distribution-APARCH modelallcaIlpassthroughtheexamina． tion-whichproveshtet—distributionisaIlappropriatewa ytodescribethe右缸 lgretulxl$ratiodistribution；Wiht90％ credit- APARCH—tmodeleo．nhelpgainhteoptimizedmeasurement． KeyWoIFds：VaR；APARCH；t—distribution VaR (Value—at—Risk)方法是 目前金融市场风 他的学生Bollerslev在 1986年提出了GARCH模型nJ， 险度量的主流方法，指在一定的概率水平下，投资组 将高阶的ARCH模型转化成为简洁的GARCH模型， 合在未来特定时间内的最大可能损失。VaR计算方法 描绘出金融数据方差项的某种 自相关性。 包括历史模拟法、方差一协方差法和蒙特卡罗模拟 在实际应用中，GARCH模型虽然有助于模拟金 法。历史模拟法和蒙特卡罗模拟法由于在技术上较为 融数据分布的宽尾特征，却不能解释金融市场上存在 复杂，较难实现，因此，在实践中常用的方法是方差 的杠杆效应。针对这一问题，近年来Nelson等人提出 一 协方差法。 了非对称性 (Asymmetric)GARCH模型以 画出条件 方差一协方差法中有两个需要注意的问题。一是如 方差对正的价格变化反应弱而对负的价格变化反应强 何刻画收益率序列的尖峰厚尾、波动集聚的时变特征； 这一现象，这类 模 型包 括 TGARCH、EGARCH、 二是如何寻找序列的分布密度函数。RiskMetricsMT利用 APARCH等等。 指数平滑技术来反映波动时变现象，并假定金融数据服 APARCH模型 (tIleAsymmetricPowerArch)，是由 从正态分布。然而，大量文献资料证明，期货收