基于EVT的EGARCH-M模型在动态VaR中的应用.pdfVIP

第3O卷第3期 黄 冈 师 范 学 院 学 报 Vo1．3ONo．3 2010年 6月 JournalofHuanggangNormalUniversity Jun．2010 基于 EVT的 EGARCH—M模型在动态 VaR中的应用 李梦华，余 东，刘子微，王 华 (武汉科技大学 理学院，湖北 武汉430065) 摘 要 综合考虑金融资产收益数据分布的波动集群性和厚尾的特征，尤其是波动的条件异 方差对动态VaR估计的影响，运用极值理论建立EGARCH—M—GEV动态风险度量模型，并通 过上证指数对其进行实证分析，为管理者和投资者提供 了一个控制风险、预测收益的量化工 具，为风险防范提供了参考． 关键词 VaR；EGARCH—M模型；EVT；GEV 中图分类号 F224．7 文献标识码 A 文章编号 1003—8078(2010)03—102-02 ApplicationofEGARCH-M modelbasedonEVT indynamicVaR LIM eng-hua，YU Dong，LIU Zi-wei，WANG Hua (CollegeofScience，WuhanUniversityofScienceandTechnology，Wuhan430065，China) Abstract Consideringboththecharacteristicsofclusteringvolatilityandfat—tailofthedatadistributionof returnsonfinancialassets，especiallyconsideringtheimpactofconditionalheteroscedaticityontheestimatefor dynamicVaR，anEGARCH ·M modelisdevelopedwithextremevaluetheorytogiveanempiricalanalysison thedynamicVaR(valueatrisk)ofSSI(Shanghaistockindex)．Themodelprovidesthemanagersandinves— torswithquantitativelyusefulmeansforearningsforecastingandriskcontro1． Keywords VaR；EGARCH—M Model；EVT；GEV 为了防范和控制金融风险与加强和完善金融风险管理，诞生了各种各样的风险计量和管理工具． J．P．Morg0n集团提出的VaR，以其定量标准化的优点，在国际金融界得到了广泛应用．由于极值理论… 可以更好地估计厚尾资产的VaR，且EGARCH模型对随机波动现象(尤其是对信息的非对称性)有着较 准确的描述．为此本文将极值理论和金融资产动态风险度量模型相结合，建立了EGARCH．M。GEV模 型，并通过上证指数对其进行实证研究分析． 1 理论背景 动态VaR考虑了金融风险波动率的时变性，下一时刻的波动率可由前一时刻的波动率来预测，在 整个时问段内波动率是时刻变化的．当0OL1时，一步预测的分位数 VaR为： VaR = … + 1Z． (1) 和 分别表示条件均值和条件方差，z 为z边际分布的O／分位数． 本文运用度量VaR的极值模型是基于GEV分布的BMM模型，GEV分布的形式…为： 收稿 日期：2010-01—28． 作者简介：李梦华，男 ，河南登封人，武汉科技大学硕士研究生，主要研究方向为金融时问序列分析 第3期 李梦华，等：基于EVT的EGARCH—M模型在动态 VaR中的应用 ( ：-#Y)／g]一僧 VaR= +等(1一(一ln(1一))一)． (2)