GARCH模型在金融风险测度中应用.docVIP

GARCH模型在金融风险测度中应用 　　摘 要：通过建立广义自回归条件异方差（GARCH）模型，运用标准化t（d）分布拟合法与Cornish-Fisher方法分别计算了中国上证和深证两大证券市场的VaR值。实证分析表明：标准化t（d）分布拟合法度量出的结果更符合中国现实，即沪深两市具有基本相同的系统风险，这种方法更适用于分析股市这类具有典型尖峰厚尾特征的金融市场；Cornish-Fisher方法对数据分布没有特殊要求，存在着放大市场风险承受程度的倾向；总体而言，沪指VaR值略高于深指，这说明代表大型企业的上证综合指数相对于代表中小企业的深证成分指数可承受的系统性风险临界值更高，即具有更高的风险抵御能力。 　　关键词：GARCH模型；证券市场；金融风险 　　中图分类号：F832.21 文献标识码：Ａ 文章编号：１００６－３５４４（２０11）０3－００55－04 　　 　　一、问题提出及文献回顾 　　近年来，受经济全球化、金融自由化、信息技术进步以及金融创新等因素的影响，金融市场呈现出前所未有的波动性和脆弱性，金融风险管理问题日益成为现代金融机构监管的重点。与此同时，中国的股票市场正处于高速发展的阶段，正确度量中国股票市场的风险对证券市场的良好发展具有重要的作用。随着对风险管理要求的不断提高，呼之欲出的是一项适用于全球监管机构进行金融风险投资组合管理的技术。 这项技术首先需要对不同风险组合进行识别和测度，再提出相应的投资组合战略。 而在众多测度风险的方法中，在险价值（VaR）测度法已成为该领域通用的行业标准。 　　围绕VaR的度量，各国学者进行了丰富而深入的研究。利普?乔瑞（Phihppe Jrion）在1996年关于VaR的专著中详细介绍了VaR的概念和各种计算模型。[1] Duffie.D和Pan J.（1997） 对VaR的相关研究做了非常全面而深刻的理论综述。[2] Penza和Bansal（2001）详细介绍了VaR在度量市场风险方面的应用。 [3] 近年来，国内学者也对此进行了大量研究。王美今和王华（2002）对上海股票市场进行了实证分析，结果表明：收益率分布假设是正确计算VRa值的前提， 对于普遍存在着的收益率分布非正态状况， 一般的GARCH模型可能低估风险，必须选择能准确描述收益率??部分布的模型。 [4] 陈学华，杨辉耀（2003）应用VaR-APARCH模型在多种分布情形下测算了上证综合指数的风险， 结果表明基于GED分布的VaR-APARCH模型能够较好地刻画高频时间序列的尖峰厚尾性及杠杆效应等特性；而t分布模型容易造成对风险的高估，正态分布模型在置信水平取比较高时，易造成对风险的低估。 [5] 陈守东，俞世典（2002）利用正态分布、t分布以及GED分布三种分布假定下的GARCH-M、EGARCH-M与LGARCH-M模型对上证指数与深证指数建立模型，并对各种模型进行了比较研究。 [6] 　　随着VaR理论及模型的发展， 很多学者将VaR模型应用于对证券市场的研究之中。Consigli，G.（2002） 侧重于对不稳定时期下不同风险测量技术及投资组合优化策略的研究，研究结果与主流金融学在正态分布假设下得出的财务回报率有所差异。他通过比较日风险值（99％）的估计结果，并考虑参考时期间的多个市场冲击， 特别是2001年7月阿根廷的欧洲债券危机的影响，分析了一系列具有不同风险组合产品的差异。 [7] 　　Niguez，TM（2008）通过对马德里证券市场进行实证研究，预测其波动率和VaR值。模型对不同的损失方程和标准进行衡量，结果显示，FIAPARCH模型更能准确地捕捉和预测动态收益波动率，而同时运用标准T方法检验更为合适。 [8] 　　在借鉴国内外文献的基础上，本文运用标准化t（d）分布拟合法和Cornish-Fisher两种方法分别测度上证综合指数和深证成分指数的VaR值，并进行对比以更好地量化中国股票市场的风险值。 　　二、VaR方法介绍与理论模型构建 　　（一）VaR方法介绍 　　VaR（Value at Risk）的含义是在险价值，是度量在市场正常波动以及给定的置信水平下，某一金融资产或证券投资组合在未来特定的一段时间内的最大可能损失。 具体而言，VaR是描述一定目标时段下资产（或资产组合）损益分布的分位点。假设选择置信水平为p，则VaR是对应损益分布上的p分位点。从统计角度上讲，VaR的定义为： 　　Prob［?驻P≤VaR（?琢）］=1-?琢 （1） 　　其中，?驻P代表资产（或资产组合）在持有期间内的损失，VaR（?琢）表示置信水平下?琢的VaR值。例如，在95%的置信水平下，VaR （95%）对应于损益分布上的累计概率不超过5%的那一点。 　　（二）测度VaR