GARCH模型在计算上海股市风险价值中的应用研究.docx

风险价值中的应用研究王耀(中国矿业大学 管理学院 , 江苏徐州 221008 )摘 要 : 本文主要讨论 V aR 模型中有关波动率的估计方法 。通过研究上证综合指数收益波动特征 , 发现其收益率服从高阶 ARCH 过程 。然后分别采用 GARCH ( 5 , 4 ) 模型和 R iskM e tric s标准法预测上证综合指数 收益的 V aR 值 。返回式检验表明 , GARCH 模型比 R iskM e tric s标准法能更准确地反映我国上海股市的风险 。关键词 : GARCH 模型 ;股票市场收益率 ;波动性 ;风险价值一 、引言V aR 通常被定义为 “给定置信水平的一个 持 有 期内的最大 预 期 损 失 ”, 即 在 未 来 的 一 段 时 间 (一 天 、一周或一年等 ) 里 , 当基础资产价格发生不利变 化时 , 在一定的置信度下 , 所持头寸可能产生的最大 损失 。尽管 V aR 的含义直观易懂 , 但它的计算却颇为复杂 。目前常用的各种 V aR 模型的本质区别在于其对 未来资产组合价格分布特征的估算方法不同 。波动率 的估计是 V aR 模型中所有参数估计方法最基本的步骤 。V aR 模型中估算波动率的方 法主 要 有 移动 平 均法 、 GARCH 模型法和隐含波动率法 。移动平均法假 设资产收益率的波动服从白噪声过程 , 这一假设往往 与实际观察的结果不一致 , 而隐含波动率则只能运用于有期权产品的资产 。因此本文主要介绍 GARCH 模型实现波动率估算及 V aR 计算的基本过程 。 二 、 GARCH 模型简介 金融学家和计量学家对发达国家成熟资本市场的波动性进行了广泛的研究 , 得出许多金融时间序列的共同特点 。第一 , 收益的经验分布显著不同于独立正 态分布 , 表现出明显的尖峰厚尾性 ; 第二 , 股票价格 或指数的运动服从随机游走过程 , 而且一般是非平稳序列 , 但是收益序列通常呈现出平稳的特性 ; 第三 ,收益序列本身几乎不呈现出相关性 , 而收益的平方序 列却表现出比较明显的相关性 , 反映不同时间上的观 测值存在有非线形关系 , 收益的波动呈集聚性 , 即有的时期呈一致高波动 , 而有时呈一致的低波动 。以上这些特点促使人们对波动率提 出 了时 变 假 设 , 并尝试通过特定的时间列技术预测金融资产收益率波动性 。 1982 年 Engel 提 出 的 ARCH ( A u to regre s2sive Cond itional H etero skedastic P rocess) 模型 , 即自回 归条件异方差模型 , 就可以用来做这类预测 。 Engel 定义的 ARCH 模型为 :如果主体模型的随机扰动项 ε2 服从 AR ( q ) 过 程 :ε2 =α +αε2 ++αε2 +η0 1 t - 1q t - q t其中 : ηt 独立同分布 , 且满足 E(ηt )= 0, D22(ηt )=λ , 则称 ε 服从 q 阶 ARCH 过程 。ARCH 过程还可以表示为 :εt = vt htαε22h =α0 +1 t - 1 ++αqεt - qt其中 : ht 为条件方差 , vt 为独立同分布的随机变量 , 且 E ( v= 0, Dv= 1。t )( t )但当 ARCH 模 型描 述 某些 时 间 序列 时 , 可 能需要一个很大的阶数 q。为了克服 ARCH 模型的以上缺 陷和更精确地描述时间序列的尾部分布特征 , Bo lle r2slev于 1986 年 提 出 了 广 义 ARCH 模 型 , 即 GARCH( Gene ralized ARCH ) 模型 。 GARCH 模型中的 ht 形式 为 :qq2 + ∑βhht = c + ∑αεtt - ij t - ji = 1j = 1GARCH 模型同样认为收益率的方差可预测 。但从上式可以看出与 ARCH 模型不同的是其条件方差 不仅取决于最新的信息 , 也取决于以前的条件方差 。 条件方差的方程中加上滞后的 ht 项 , 就为了体现更为灵活的滞后结构 。三 、沪市指数收益波动性研究我们以上证综合指数的日收盘价 (以下简称沪作者简介 : 王耀 ( 1975 年 - ) , 男 , 安徽淮北市人 , 管理学博士生 , 淮北市人事局综合法规科工作 。研究方向为金融工程与风险管理 。153市指数 ) 为观 察 对 象 , 采 样 间 隔为 天 , 时 间跨 度 为2001 年 1 月 2 日 —2005 年 6 月 17 日 ,