基于CornishFisher展开式中国股市高频数据VaR风险实证研究.docVIP

基于CornishFisher展开式中国股市高频数据VaR风险实证研究 　　 摘 要：实际市场收益率的尾部普遍展现出比正态分布宽大的“厚尾”特征，通过Cornish-Fisher 方法修正正态分布，可使其适合股票市场的实际情况。用沪深300指数的5分钟高频数据构造已实现波动率，来考察中国股票市场的波动特征，试图将高频金融数据的“已实现”波动率引用到基于Cornish-Fisher的VaR模型当中。通过与正态分布假设的VaR的返回测试对比，从实证的角度论证Cornish-Fisher扩展方法在VaR估计中的有效性，基于数据特征的Cornish-Fisher扩展方法有效地改善了VaR的估值。 　　 关键词：已实现波动率；高频数据；Cornish-Fisher；VaR 　　 中图分类号：F830.92 文献标志码：A 文章编号：1673-291X（2012）05-0161-02 　　 　　 引言 　　 近十几年来，金融创新加速了金融衍生工具的发展，金融市场危机事件发生也越来越频繁。异常事件发生的概率虽然很小，却常常隐含着巨大的风险。目前，国际标准风险管理工具VaR是由J.P.Morgan投资银行在1994年的RiskMetrics系统中提出的。 　　 传统VaR的研究核心是对金融资产收益率统计分布进行分析，利用历史信息对未来的收益分布进行预测。但是，收益率通常并不服从事先假定分布。一些学者开始以不假定收益率分布的方法来估计VaR值，比如Koenker和Pack（1996），[1]Engle和Manganelli（2004），[2]Taylor（2000）[3]等等。Zangari（1996）[4]利用Cornish-Fisher展开式得到修正的VaR。但是VaR的度量除了与分布有关，还与收益率序列的波动性有关。 　　 由于金融市场的信息是连续影响资产价格运动过程的，所以数据频率越低，损失的信息越多。基于高频时间序列Anaersen和Bollerslev（2001）[5] 提出了已实现波动（Realized Volatility）。它不同于GARCH类模型和SV类模型，没有模型，不需要进行复杂的参数估计。但在实际情况下，已实现波动率的一致性却因为抽样频率的限制而不能实现。针对上述情况，Barndroff-Nielsen（2006）[6]，Martens[7]和Dijk（2004）[8]， 提出加权已实现波动与校正的已实现波动。Pierre Giot和Sebastien Laurent（2004）[9]研究了已实现波动率在VaR上的应用，并将其与基于ARCH模型的VaR进行了比较研究。张世英（2004）[10]分析研究了已实现波动率在VaR计算方法中的实证研究。 　　 本文运用高频数据构造已实现波动，研究收益率分布和已实现波动率的分布特性，建立ARFIMA模型，然后运用最大似然估计法估计参数，最后计算基于已实现波动率的Zangari（1996）VaR。 　　 一、有关理论 　　 （一）基于Cornish-Fisher展开式的VaR模型 　　 Cornish-Fisher方法的基本思想是任何一个经验分布都可以被正态分布所表示。它是由Cornish和Fisher（1937）所提出的。Zangari（1996）结合实际中收益率的波动特征，在VaR的计算中引用Cornish-Fisher扩展方法，用以修正正态假定下的VaR。Zangari（1996）通过高阶矩修正VaR表示如下： 　　 （1） 　　 其中条件均值，条件方差，金融收益序列的q分位数值，它的表达式： 　　 （2） 　　 所以，关键在于估计正确的q分位数值以及建立正确的波动率模型。Sp是偏度，kp是峰度，zq表示。 　　 （二）已实现波动率的ARFIMA模型 　　 假定Pt，i为第t天的第i个时间段的日内收盘价格，其中i表示N个长度为Δ的时间段，N=[1/Δ],第i个Δ的已实现波动率定义如下： （3） 　　 但是，Hansen和Lunde（2005）指出，由于股票市场交易的不连续性，能够采集的高频数据无法反应无交易时段的市场波动情况。本文根据Martens和Dijk（2007）对已实现波动的调整如下： （4） 　　 其中，rt表示第t天的收益率，RV′t表示未调整已实现波动。 　　 Andersen,Bollerslev,Diebold和Labys（2003）表明对数已实现波动率近似服从正态分布，具有分数单整的特征。建立分整自回归移动平均模型（ARFIMA）具体模型如下： 　　 （5） 　　 其中d是分数综合参数，，，分别描述自回归和移动平均项，μ为的均值InRVt。但是已实现波动率不是条件方差，条件已实现波动率定义如下： （6）