VaR模型在我国的股市中的应用.pdf

摘要 由予中国经济_的持续增长，目前全球机构投资者及个人对中国内 地相关股票产品的兴趣与日俱增。受此影响，2003年12月8日香港 交易所推出了H股指数期货。近期，随着交易所基金(LOF和ETF) 韵发行和上市，特别是沪深300指数的问世，我国境内指数产品的开 发将进一步加快，并有望在不久之后会推出股指期货。而股指期货的 风险与其标的指数韵风险有着高度的相关性。此时研究中国证券市场 股价指数市场风险的度量问题有着重要的理论和现实意义。同时，研 究指数类线性资产的风险度量问题还能为期权等非线性资产的风险 度量与管理研究提供借鉴。 va剐Ⅶlne_at承Nk)是目前国际金融界度量风险的主流方法，它被 用来衡量某一个资产组合在未来一个给定的期限内，在选定麓信水平 下的最大可能损失。作为新型的风险测量和管理工具，ⅥR的最大优 点在于，不管金融风险的根源在哪个市场，ⅥR模型都可用一个数值 表示未来某个时期韵潜在损失，这样不同的市场、交易者和金融工具 侗就可进行风险的比较，有利于管理者、投资者和金融监管当局准确 把握金融机构的实际风险。因此，ⅥR方法由J．P．Morg锄集团在1994 年酋敢公布时，就受到广泛的关注。目前，该方法已经得到国际金融 男越来越多羽重视和应用，部分国家已明文规定银行、基金公司、证 券公司等机构必须定期公布自己的VmR值。与此同时，国内外研究 这方面的文献更是如雨后春笋。 本文第一章主要介绍ⅥIR的起源与发展、Ⅵ淑的计算方法和检 验方法。以前度量金融市场风险的工具，如久期与凸性、Delta与 Gm魏ma等，一般都是针对某一类金融产品而言的，而对于一揽子金 融产品纽合的风险度量却显得无能为力。ⅥR模型提供了一个统一的 方法，它冉鲁够捕获资产之间的相关性，适用于各种线性、非线性资产 或组合，便予不同资产或组合之间相互比较。对应于不同的市场条件、 数据水平、精度要求等，VaR有多种计算方法，这些方法可归为以下 Carlo 四类：(1)方差协方差方法，也称参数法；(2)历史模拟法；(3)Monte Carlo模拟法计算量大，其有效 模拟法；(4)极值方法。由于Monte 性依赖于特定的随机过程，有较大的模型风险；并且产生的数据序列 是伪随机数，可能导致错误结果。因此本文的研究方法主要集中在参 数法、历史模拟法和极值方法。VaR模型的最常用的返回检验是LR 检验。 本文第二章节将从我国沪深股指收益率的统计特征入手，用各种 参数法来估计VaR值，并用上述检验方法进行较为严格的检验．参 数法先假定收益率服从一定韵分布，并估计相关的参数，再根据VaR 的定义得到其VaR值。一般假定收益率服从(条件)正态分布，但 是正态分布无法刻画金融市场上普遍存在的尖峰肥尾性，有可能导致 风险的低估。因此，本章用一些比较常用的肥尾型分布如：t分布、 (在观察期内假设分布函数不变)值。结果表明，用t分布和GT分 布估计的VaR比较合理，在不同的置信水平下都通过了LR检验。 然而，静态VaR无法刻画金融市场上的波动集聚性，本文第二 (exponentiallywei?gh-tedmoving 中的运用。一般可将羹条件分布设为正态分布，尽管此时的无条件分 布具有尖峰肥尾性，但其尾部仍然是呈幂函数衰减的，无法充分地刻 画尖峰肥尾性，此对可以考虑更为复杂韵肥尾性的条件分布如 Laplace分布，GED等)。本章探讨了在不同的条件分布下，两类模 ‘ 型表现的优劣。 把极值理论运用到VaR中是一件自然而然的事，因为极值理论 只关注尾部，这一煮与VaR如出一辙。以极值理论来估计VaR既不 同于一般的参数法，又和模拟方法大相径庭，许多学者将之归为第四 种方法。不过由于篇幅所限，而且极僵方法也需要估计参数，本文还 是将其归为参数法。用撅值理论估计VaR，最困难的就是如何得到最 优的门限值，太大或太小都会影响模型的精度。估计门限值比较常用 的方法是Hill散点图，但是这种方法过于粗糙，不同的观测者可能得 出不同的门限值。本章探讨了如何用其他的方法(如使得KS统计量 最小等)来得到最优的门限，继以判断运用极值理论来估计VaR是 否比上述其他的几种方法更稳