利用高频数据管理沪深300 指数的尾部风险.pdfVIP

China Management Studies volume 7 （2 ） 利用高频数据管理沪深 300 指数的尾部风险 ——基于 Realized GARCH 模型的 VaR 黄 雯 王天一 黄 卓① 摘 要：本文使用高频数据研究了沪深 300 指数的尾部风险。基于 Skewed-t 分布的Realized GARCH 模型比基于t 分布和正态 分布的Realized GARCH 模型拟合要好。这说明对于具有聚 类波动，尖峰厚尾和偏斜特征的金融数据来说，同时考虑了 偏斜和厚尾特征的Skewed-t 分布的Realized GARCH 模型是 一个合适的模型。本文使用两种方法对在险值 VaR 进行预 测，一种是基于样本外的多步预测，另一种是基于滚动窗口 的一步预测。两种方法下，Realized GARCH 模型基本上都 要比 GARCH 和EGARCH 模型预测表现要好，并且，厚尾 分布比正态分布能更好地描述风险，尤其是尾部风险。基于 Skewed-t 分布的Realized GARCH 模型，在各个置信水平下， 都表现很好且稳定，这说明同时考虑了偏斜和厚尾特征的 Skewed-t 分布的Realized GARCH 模型能很好地预测风险值。 关键词：尖峰厚尾、偏度、VaR、高频数据 中图分类号：F830.91 、F832.5 ① 黄雯、王天一、黄卓，北京大学国家发展研究院中国经济研究中心。本文得到教育部人文社会科学 青年基金资助，项目编号：12YJC790073。 66 中大管理研究 2012 年第 7 卷（2 ） 一、引 言 自从Morgan 公司开发出Value-at-risk 方法，在险值VaR（Duffie 和Pan ， 1997；Jorion ，1997 ）便成为风险管理中广泛使用的市场风险的度量标准。 VaR 方法最大的优点就是提供了一个统一的方法测量风险，把风险管理中的 最重要的方面——投资组合价值的潜在损失——用货币单位来表达，简单直 观地描述了投资者在未来某一给定时期内所面临的市场风险。它可以度量不 同市场因子、不同金融工具构成的复杂证券组合和不同业务部门的总体风险 暴露，因此使得不同类型资产的风险之间具有可比性。 计算VaR 的方法有许多种，如风险度量制（risk metrics ）、基于波动率 模型的计量方法、经验分位数以及极值方法。本文使用基于波动率模型的计 量方法来计算在险值 VaR ，并比较不同波动率模型对在险值VaR 的预测表 现。 高频数据一般是时间间隔较短（低于一日）的证券交易数据，例如股票 价格、外汇价格以及成交量等等。高频数据除了能提供更多的数据量之外， 对金融高频数据的逐步累积和了解，对于研究金融市场的微观结构以及一些 传统的经济数据的度量，有着创新与改善。中国证券市场交易高频数据库收 集了中国证券市场 2000 年至今各种高频数据，包含股票高频数据子库、基 金高频数据子库和债券高频数据子库三个子库。每个子库均包含基本信息文 件和交易文件，交易文件又包括分笔和五分钟、十五分钟、三十分钟、六十 分钟频率的分时数据。 尽管不能观测波动率，但是金融数据常常呈现出以下一些特征：第一， 金融数据常常存在波动率聚类（volatility cluster ），即，波动率可能在某段 时间内较高，而在另一些时期内较低。第二，波动率随时间连续变化，并且 不发散到无穷，在固定的范围内变化。第三，波动率对价格大幅上升和大幅 下降的反应不同，这种现象称为杠杆效应（leverage effect ）。第四，波动率 会呈现出尖峰厚尾现象，使得一般模型的正态性误差假设不成立