基于GARCH模型的动态VaR实证研究_以上证指数为例.docxVIP

基于GARCH模型的动态VaR实证研究—以上证指数为例严琤春（中南财经政法大学统计与数学学院，武汉430060）摘要：重点探讨了在波动的条件异方差对VaR估计造成影响的基础上，利用GARCH模型估计、预测股市动态VaR的方法，并基于上海证券交易所1000个交易日的收益率进行了实证分析。分析结果表明，在95%的置信水平下估计失败次数仅有54次，失误率为0.54%，说明GARCH模型能够较为准确地反映沪市风险。关键词：GARCH模型；动态VaR；股票市场收益率；波动集群性中图分类号：F830.91文献标志码：A文章编号：1673-291X（2011）28-0079-05了波动的时变性和序列的波动集群性，其预测的准确性和及时性，是静态VaR所不能比拟的。动态VaR方法本质上是对证券组合价值波动的测量，其核心在于构造证券组合价值变化的统计分布。本文主要讨论VaR模型中有关波动率的估计方法。波动率的估计是VaR模型中所有参数估计方法最基本的步骤，目前常采用的VaR模型中估算波动率的方法主要有移动平均法、GARCH模型和隐含波动率法。由于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，而隐含波动率准则只能用于有期权产品的资产，因此本文采用GARCH模型计算对上证指数的收益率的VaR值。动态VaR的具体计算步骤如下：第一步，VaR计算公式的推导。根据Jorion