基于GARCH模型的上海同业拆借利率风险的度量..doc

姓 名 张天月 成 绩 学 号 1504020170 评卷人 中 南 财 经 政 法 大 学 研 究 生 课 程 考 试 试 卷 （课程论文） 论文题目 基于GARCH模型的上海同业拆借率的风险度量 课程名称 计量经济学 完成时间 2016年1月3日 专业年级 2015级投资学 注：研究生必须在规定期限内完成课程考试论文，并用A4页面打印，加此封面装订成册后，送交评审教师。教师应及时评定成绩，并至迟在下学期开学后两周内将此课程论文及成绩报告单一并交本单位研究生秘书存档。（涉及外单位的，由研究生秘书转交学生所在单位研究生秘书存档） 基于GARCH模型的上海同业拆借利率风险的度量 [摘 要]本文采用2010年1月4日至2015年12月23日的上海银行间同业拆借利率（SHIBOR）中的隔夜拆借利率数据作为研究对象，利用 VaR 模型对上海同业拆借利率进行度量，得出 GARCH（1，2）-GED 分布较好地刻画 SHIBOR 对数日收益率序列的分布，在考虑利率非对称性进行检验时，得出 EGARCH（1，2）-GED 分布最能刻画 SHIBOR 对数日收益率序列的分布，且非对称项的估计值为大于零且显著，表明存在“反杠杆效应”，即正的冲击比负的冲击会引起同业拆借利率市场更大的波动性。最后对 GARCH（1，2）-GED 与 EGARCH（1，2）-GED 分别在 95%与 99%的置信水平下得出上海同业拆借利率的 VaR 值。GARCH 模型VaR；上海同业拆借利率为了刻画预测误差的条件方差中可能存在的某种相关性，恩格尔提出了自回归条件异方差模型（ARCH）[2]。ARCH模型的主要思想是：扰动项的条件方差依赖于它的前期值的大小。ARCH（1）模型就是时刻t的的条件方差依赖于时刻（t-1）的扰动项平方的大小，即依赖于。ARCH（q）过程可以写为： ， (1) (2) 其中,为无序列相关的随机扰动项，即残差项。这里假设服从正态分布，此时ARCH模型也可以称作ARCH（q）过程。 上式的第一个模型表示原始变量回归模型，也可称之为条件均值等式；第二个模型表示方差的回归模型，也被称作条件方差等式。这两个模型是ARCH模型的核心组成部分。 如果在ARCH模型的条件方差等式中加入了本身的滞后项，那么依照AR模型向MA模型的转换思路，就可以得到GARCH模型的基本表达式。GARCH（p，q）过程可以表达为： ， （3） （4） 其中，被称作ARCH项，称作GARCH项。此时，GARCH模型中q表示ARCH项的阶数，而p表示GARCH项的阶数。 （三）TARCH模型 TARCH模型或者门限ARCH模型由Zakoian提出的，一阶TARCH模型的条件方差被设定为： （5） 其中为虚拟变量且只要就存在非对称效应。 条件方差方程的项称为非对称效应项，或者TARCH项。好消息（即）和坏消息（即）对条件方差有不同的冲击影响，前者的冲击影响为，后者的冲击影响力为，如果说明非对称效应的主要效果是使得波动加大；如果非对称效应的作用的是使得波动较少。 EGARCH模型被称为指数GARCH模型，考虑EGARCH（1，1）模型，其条件方差方程为： （6） 上式是对建模，即使参数估计值是负数，条件方差仍然是正数。因此，EGARCH模型不需要人为假定模型参数非负数约束限制。同时，如果参数，则表明存在杠杆效应；如果参数，则表明不存在非对称效应。 VaR，即“在险价值”是指在分析期间内，某项金融资产或证券组合在一定的置信水平下预期发生的最大可能损失值[3]。用公式表示为： (7) 其中,表示资产的实际损失；VaR 表示在最大可能损失值；表示置信水平。 计算 VaR 最常用的方法是方差-协方差法，其基本思路如下：使用历史数据出样本数据的方差进而求出标准差，求出置信水平的分位数，再利用下面的公式求出资产组合在一定时间内的 VaR 值。 (8) 其中，表示初始资产组合的数值，表示