VaR的理论与计算模型.pdfVIP

VaR 的理论研究与实证分析 课题研究人：杜海涛 韩延河 类 别：行业地区和上市公司研究类 报送 单位：长城证券公司 目 录 1、引言 2、VaR的定义与计算 3、模型方法介绍 3.1指数移动加权平均（Risk Metrics）法 3.2 ARCH类模型 3.3基于Risk Metrics的混合正态模型 3.4基于Risk Metrics的广义误差分布(GED)模型 4、实证分析 4.1 Risk Metrics方法 4.2 ARCH类模型法 4.3基于Risk Metrics的混合正态 4.4基于Risk Metrics的GED 5、可靠性检验 内容提要 本文对VaR的理论与计算模型进行了系统地介绍，并结合中国证 券市场的数据进行了深度分析。针对其中具有代表性的Risk Metrics 方法、ARCH类模型、混合正态以及广义误差分布中涉及到的有关参 数进行估计，提出了适合中国证券市场的主要参数。具体结果如下： 1． 结合中国证券市场主要指数估计了Risk Metrics模型中的最优 衰减因子，结果如下表： 最优衰减因子 上海综指 0.944 上证A 指 0.942 深圳成份 0.920 深圳成A 0.917 均 值 0.93075 2． 就混合正态模型而言利用中国证券市场主要指数的标准化收益 率估计出两个正态分布的参数值与概率值，结果如下表： 正态一 正态二 P 值 均值 1 标准差 1 均值2 标准差2 上证综指 0.107349 0.711383 -0.214843 1.843125 0.775636 上证A 指 0.107312 0.714149 -0.229415 1.864664 0.782019 深圳成份 0.044483 0.822448 -0.144945 2.196894 0.860187 深圳成A 0.057668 0.759801 -0.153388 1.795529 0.774296 3． 结合中国证券市场四个主要指数的标准化收益率提出了广义误 差分布模型的参数v值，结果如下：上海综合的v=1.14；深 圳成份的v=1.19；上海A指的v=1.13；成份A指的v=1.24。但 与其他发展中国家证券市场的v值相比，我国的证券市场稳定性 较好，极端事件出现的概率相对较少。 4． 将AIC准则尝试性地应用到ARCH类模型的定阶中来，并取得了 较好的效果； 一、引 言 VaR是近年来被广泛运用的风险控制方法，其核心就是要尽可能准 确地描述金融时间序列的波动性，金融界和统计界的专家学者对此进 行了广泛的研究探讨。JP Morgan.RiskMetricsTechnical document(1996,2000)以及Alexander C. management and analysis(1996)等文献对VaR及其计算方法进