《基于GARCH族模型的沪深300股指VaR度量-论文》.pdfVIP

第34卷 第2期 数学理论与应用 Vo1．34No．2 2014年6月 MATHEMATICALTHE0RY AND APPLICAT10NS Jun．2014 基于GARCH族模型的沪深 300股指 VaR度量 安丽平 王 波 申希栋 (上海理工大学管理学院，上海，200093) 摘 要 本文在修正了沪深300股票指数收益率序列的非平稳性和 自身相关性之后 ，把 ARMA模 型与 GARCH模型、GJR模型、IGARCH模型、FIGARCH模型、FIEGARCH模型、FIAPARCH模型、HYGARCH模型相 结合，然后依次假设残差分布服从正态分布、t分布和偏 t分布，来描述沪深300股票指数 日对数收益率序列 的尖峰厚尾性、杠杆效应和长记忆特性，利用上述模型分别计算沪深300股票指数的VaR值．在空头和 多头 投资者情况下，不同的波动性模型和不同残差分布的VaR预测有效性差距很大．比较得知，在不同的置信水 平下，沪深300股票指数收益率序列空头和 多头的VaR预测成功概率比较高的模型有 HYGARCH和FIE— GARCH这两类具有长记忆性的模型． 关键词 沪深 300股票指数 GARCH ARMA 长记忆性 VaR ValueatRiskM easureoftheHS300Stock Indexes BasedonGARCH M odels AnLiping WangBo ShenXidong (Businessschool，UniversityofShanghaiforScienceandTechnology，Shanghm200093，China) Abstract Inthispaperwefirstlytrytocharacterizethesharppeakandfattailphenomena，leverageeffectsnadlong memoryfeaturesofthelogarithmicreturnsoftheShanhgaiandShenzhen300(HS300)stockindexesbyusingthe ARMAmodeltodescribethemeansandthe7models：theGARCHmodel，theGJRmodel，theIGARCHmodel，the FIGARCH model，theFIEGARCH model，theFIAPARCH modelandtheHYGARCH model，torespectivelyfitthe residualsequenceswhichareassumedsequentlytofollowanormal distribution，atdistributionoraskewedtdistribu— tion，andthenusethosemodelstoforecasttheVaR oftheHS300stockindexes．Theempiricalresultsshowthatthe forecastsoftheVaR withdifferentmodelsofvolatilitiesandresidual distributionsinshortandlongcasesdiffergreat- ly，naditisconcludedbycomparisonthat，atdifferentconfidencelevels，theHYGARCH na dtheFIEGARCH mod— elswhicharemoresuitableofrcharacterizinglongmemory featureshavemoreaccuracyofrforecastingtheVaRofthe HS300stockindexes． Keywords ShanghaiandShenzhen300index GARCH ARMA Longmemory ValueatRisk 收稿 日期 ：2014年 1月24日 数学理论与应用