基于GARCH模型的动态VaR实证研究_以上证指数为例.docx

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（1996）给出的定义，VaR可以定义为：引言20世纪90年代中期，国际金融市场上接二连三的金融风波，使得定量风险管理方法逐渐成为金融风险管理领域的焦点，其中又以风险价值模型（ValueatRisk，VaR）的研究与应用最为醒目。经过数十年的研究，如今VaR方法已经作为一种较为成熟的方法，成为投资者、金融机构管理者和市场监管机构所面临的一个重要议题。目前，金融系统中的VaR往往侧重静态VaR的计算。然而静态VaR没有考虑波动率的时变性，只是由前一时间段的整体波动率来预测下一时间段的波动率，本质上就是时间段内每个时点波动率的一个平均，因而在拟合和估计上存在较大的误差。相较于静态VaR，动态VaR考虑了波动率的时变性，下一时刻的波动率由前一时刻的波动率来预测，在整个时间段内波动率不是静止不变的，而是时刻在变化，因此其预测的准确性和及时性是静态VaR所不能比拟的。一、VaR的基本含义1.VaR的一般定义。VaR（ValueatRisk）一般被称为“风险价值”或“在险价值”，指在一定的置信水平下，某一金融资产（或证券组合）在未来特定的一段时间内的最大可能损失。具体而言，对于给定的置信水平及时刻t，对应的VaRt可以定义为：prob（rVar）t=1-α其中，r表示证券资产在持有期内的损失，VaR称为在置信水平α下处于风险中的价值。2.动态VaR的计算。VaR按是否考虑波动率的时变性分为静态VaR和动态VaR。动态VaR考虑了波动率的时变性，下一时刻的波动率由前一时刻的波动率来预测，这样就考虑VaR=E（ω）-ω*（1）式中，E（ω）为资产组合的预期价值，ω为资产组合的期末价值，ω*为置信水平α下组合投资的最低期末价值。进一步设：ω＝ω（01+r）（2）式中，ω0为持有期初资产组合价值，R为设定持有期内资产的组合收益率，则得到：ω*=ω（01+rα）（3）其中，rα为资产组合在置信水平α下的最低收益率。则根据数学期望的基本性质，将（2）、（3）式代入（1）式，有：Var=E[ω（01+R）]-ω（01+rα）=ω0[E（R）-rα]从公式中可以看出，若能求得置信水平α下的rα，就可求出相应的VaR值。又由于P（rrα）=1-α，有：-Zα=rα-μ，σ收稿日期：2011-08-06作者简介：严琤春（1990-），女，江苏无锡人，本科，从事统计学研究。79——故rα=Zασ+μ。将以上公式带入原式，可以得到Var=本文以上海证券交易所指数的收盘价（简称上证指数）为观察对象，采样间隔为天，时间跨度为2005年1月4日至2011年3月18日共1501个交易日。收益率采用JP摩根集团的对数收益率概念rt=lnpt+!-lnpt计算每日收益率，由此得到ω0Zασ姨Δt。根据公式可以进一步得到VaR的递推公式：VaRt+1=μ赞t+1+zασ赞t+1。第二步，在正态分布和t分布的假定下，在用设定好的GARCH类模型拟合之后，得到GARCH模型中的参数，根据GARCH模型确定递推参数VaRt+1=μ赞t+1+zασ赞t+1。第三步，通过拟合的模型估计条件期望μ赞t+1和条件容量为N=1500的对数收益率数列{r，i=1，2，…1500}，图1i给出了对应的指数收益率：0.1000.0750.0500.0250.000-0.025-0.050-0.075-0.100波动性σ赞