基于GARCH族模型VaR方法对上证综指研究.docVIP

基于GARCH族模型VaR方法对上证综指研究 　　摘要：本文结合GARCH族模型的VaR在险价值方法对上证综指进行了实证研究。分析发现，上证综指日收益率时间序列满足ADF单位根检验，具有很好的平稳性；基于广义误差分布（GED）和t分布假定下，VaR在险价值方法与GARCH族模型的结合更好的反应了股市收益率的风险特征。 　　关键词：GARCH模型；VaR；GED分布；t分布 　　一.文献综述 　　自1997年起，我国国内对VaR风险价值理论和实证研究的体系日益成熟。郑文通（1997），刘宇飞（1999）将VaR（value at risk））理论运用到金融市场风险管理和金融监管方面。范英（2000），邱阳（2002）实证得出深圳股市在不同置信水平下的风险值，并与实际投资收益做了对比。但是从2002开始，研究学者们加强了对股票市场特性的认识。陈守东（2002）选用解决股票市场的尖峰厚尾特性的GARC（模型，估计股票市场VaR，并得出蒙特卡罗模拟方法能提高计算的精确度。同时，邹建军（2003）发现GARCH（1，1）模型对我国沪市收益波动性的预测准确度要高于RiskMetrics和移动平均法。而田时新（2004）研究发现在对厚尾分布高分位点的预测方面，广义帕雷托分布（GPD）的VaR模型比传统的GARCH、历史模拟法，方差协方差法更精确，并提出了极值理论的阈值尖峰（POT）模型。王树娟（2005）发现与VaR相比而言，条件风险值（CVaR）始终较大，更加符合股票市场风险管理的谨慎原则。而蒋其中（2006）对参数法和非参数法的VaR计算进行了比较。周孝华（2008）结合GARCH模型和极值EVT理论对泸深300指数进行风险价值的计算。值得关注的是，杨湘豫（2009）国家社科基金成果将GARCH模型，VaR风险价值在金融市场风险管理的运用推进到更高的层次。作者结合GARCH模型和EVT理论刻画了单个金融资产收益率的波动性和尾部分布，对于证券投资组合的VaR计算方法运用了Copula函数和MonteCarlo方法。同时，杨湘豫（2010）从GARCH族模型里挑选了t-EGARCH模型，与Copula函数方法，对上证综指，深证成指及恒生指数对三大股票市场进行了实证分析，并通过计算VaR及CVaR风险价值验证模型的有效性。 　　不仅股票市场VaR理论和实证分析不断的发展和完善，对于证券市场期货市场VaR风险价值理论也受到了重视。陈立新（2004）对证券市场单个证券和证券组合分别进行风险测量。而谢佳利（2009）对2007年2月26日至2008年3月28日这一时期我国10只开放式证券投资基金进行基于VaR的RAROC方法的实证分析，研究发现极端风险评价很好的反应了基金的绩效。在期货市场方面，刘庆富（2006）运用VaR-GARCH模型对我国铜期货市场进行实证分析和VaR后验检验，对铜期货市场风险的变动趋势进行剖析。 　　本文对已有文献的主要贡献体现在借鉴主流股票风险的研究方法，突出股票市场尖峰厚尾，波动聚集性和杠杆效应等特征，基于t分布和GED分布假定，运用GARCH族模型反应股票市场每日收益率风险价值的特点。 　　二.VaR计算与GARCH模型 　　1.VaR基本概念及计算方法 　　VaR（value at risk）最早由JP.Morgan提出，其定义是在一定的持有期及一定的置信度内，某金融投资工具或投资组合所面临的潜在的最大损失金额。具体的计算如下，不妨设投资组合的初始价值为W，其收益率为R，R的期望和标准方差为μ和σ，令给定置信水平下投资组合的最小价值为W*=W（1+R*），在目标持有期末的价值为W=W（1+R） 　　则， 　　VaR=E（W）-W* 　　=-W‘（R*-μ） 　　VaR主要涉及到三个要素：（1）持有期；（2）置信区间；（3）未来资产组合价值的分布特征。同时VaR有三种计算方法，其中包括方差协方差方法，历史模拟法和蒙特卡罗方法，经过多为学者研究发现，蒙特卡罗方法对计算股票市场VaR最为有效。结合金融股票市场的尖峰厚尾的特征，市场风险因子在实证检验中很难满足正态分布的假设，而蒙特卡罗无需市场因子的未来变化服从正态分布。 　　2.GARCH模型 　　Bollerslev（1986）在Engle的ARCH模型基础上提出了GARCH模型，GARCH（p，q）模型的表达式如下： 　　rt=μt+ut 　　σ2t♂=α0+ɑ1u2t-1+ɑ2u2t-2+…+ɑqu2t-q+β1σ2t-1+β2σ2t-2+…+βpσt-p2 　　其中第二个等式为条件方差表达式，ut是独立同分布的随机变量。考虑到股票市场风险特性本文用广义误差分布（GED）与t分布假设。 　　3.EGARCH模型 　　指数GAR