基于ARMA-GARCH模型股指波动压力测试情景设计研究.docVIP

基于ARMA-GARCH模型股指波动压力测试情景设计研究.doc

  1. 1、本文档共10页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于ARMA-GARCH模型股指波动压力测试情景设计研究

基于ARMA-GARCH模型的股指波动压力测试情景设计研究   摘要:针对股指收益率时间序列某期间的异方差、尖峰厚尾以及序列自相关等特性,将ARMA模型与GARCH模型相结合,回归建模测算相关股指年度收益率VaR值,可以有效预测类似市场条件下股指的波动以及相伴概率。因此,在证券公司压力测试实践中,基于相伴概率合理设计股指下跌的压力测试情景,可以进一步提高压力测试情景设计的科学性,增强压力测试结果的现实指导意义。同时,可以将本文研究思路推广应用于利率、汇率、市场交易量等历史数据较充分的金融时间序列的实证分析,借以指导债市波动、汇市波动以及市场交易量波动等压力测试情景的设计工作。   关键词:压力测试;时间序列模型;VaR理论;ARMA-GARCH模型   中图分类号:F830.91 文献标识码:A 文章编号:1005-0892(2011)11-0071-09   一、引言   近年来,在中国证监会的大力推动下,证券公司逐步建立起压力测试机制,不断提高风险监测、预警和管理能力。在中国证券行业尚未彻底摆脱“靠天吃饭”的现况下,股指波动对证券公司经纪、自营、证券承销与保荐等主要业务的影响仍比较突出。因此,在设计压力测试情景时,股指大幅下跌通常是首要考虑的因素。实践中,国内证券公司往往借助历史模拟法等方式设置股指下跌的压力测试情景,如参照股指历史最大年度跌幅来对压力测试情景中的股指跌幅作出假设。然而,此方式既无法有效测算股指发生某一跌幅的概率,也无法判断类似情景再出现时股指跌幅是否会更大,从而影响压力测试结果的指导意义,导致压力测试对证券公司业务风险的评估效果大打折扣。为此,有必要探索更为科学合理的股指波动压力测试情景设计方式。   二、文献综述         近年来,国内关于金融机构压力测试的研究比较丰富。杨军和朱怡(2004)系统比较了各国监管当局有关压力测试的规范。Ⅲ杨文生和赵杨(2010)综合评述了国内外压力测试的理论研究、实践及发展现状。巴曙松和朱元倩(2010)全面介绍了压力测试的相关定义、国际规范、执行方式、测试方法以及研究热点等内容。相关文献还论述了压力测试相对于传统VaR方法的优点???包括可以更多地考虑到历史上未曾出现或极少出现的极端情景,即传统VaR方法未予考虑的断点情况;能够测算出极端情景下的具体损失,即传统VaR方法所忽略的尾部风险;能够考虑到极端情景下原有风险计量、风险传导以及资产定价相关模型结构与参数所发生的显著变化等等。为此,人们多将压力测试作为VaR等传统风险管理方法的补充,专门应用于极端情景下的风险管理。但是,对于压力测试通常不考虑情景相伴概率以及游离于VaR等传统风险模型等问题,学术界亦有不少异议。部分学者通过将尾部条件期望(TCE)、期望损失(ES)以及极值理论(EVT)等引入VaR模型,试图在传统风险模型框架下有效解决尾部风险的度量问题。Berkowitz(1999)则明确提出设置压力测试情景需明确其相伴概率,并借此将压力测试纳入传统风险模型体系,否则相关压力测试结果将无法回测检验,缺乏现实指导意义。Kupeic(1998)较早尝试基于VaR理论设置相关压力情景,以解决压力情景无相伴概率的问题。目前,这一研究主要有两类:一类是事先假定分布的方法,包括利用模型估计分布的变异数及蒙特卡洛模拟法等,本文实证即属于这类方法;另一类是不事先假设分布的方法,包括经验分布法和EVT分析法等。   在应用VaR理论预测股指波动及其相伴概率领域,自Engel(1982)和Bollerslev(1986)分别提出自回归条件异方差(ARCH)和广义自回归条件异方差(GARCH)模型以来,国内外基于该系列模型计算各类股票、股指波动每日VaR值的理论及实践探索日趋深入并成熟。但是,由于GARCH模型难以刻画证券市场连涨连跌情形所体现的序列自相关性,基于此类模型测算月度乃至年度等较长期间收益率VaR值的实证研究,一直较少有人问津。   三、实证研究   (一)实证思路及内容         鉴于股指收益率时间序列某期间的异方差、尖峰厚尾以及序列自相关等特性,正是其对当时政策环境、宏观经济运行以及投资者行为等多种因素的最终反应,本文认为,通过实证分析一定期间股指收益率数据并借以预测类似市场条件下的股指波动以及相伴概率,具备相应的理论与逻辑基础。考虑到结构式模型预测股指较长期间波动存在许多困难,上述实证思路意义更为突出,甚至可能推动全新的实证研究模式。   本文实证包括两个部分。首先,为论证时间序列分析可以较为准确地预测股指波动及其相伴概率,即利用月度收益率序列分析测算年度收益率VaR值的可行性及相关实证结果的准确性,在第一部分实证中,本文选取了历史数据较多的标普500指数1950-2010

文档评论(0)

bokegood + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档