金融市场VaR风险与价格信息预测——基于FIGARCH-EVT、FIGARCH-ANN管理科学与工程专业论文.docxVIP

重庆大 重庆大学硕士学位论文 英文摘要 PAGE PAGE IV an input variable. The VaR risk measure based on the FIGARCH-EVT model and the artificial neural networks based on the FIGARCH model are of certain value for forecasting financial messages. Our work done again proves that there is apparent long memory property in Chinese stock market volatility. Keywords： FIGARCH, EVT, VaR, Artificial Neural Network, Information Prediction. 重庆大学 重庆大学硕士学位论文 目 录 目 录 中文摘要I 英文摘要 II 1 绪论 1 1.1 选题的背景 1 1.2 选题的意义 1 1.2.1 金融市场风险信息预测的意义 1 1.2.2 金融市场价格信息预测的意义 2 1.3 本文的研究目的和主要工作 3 1.4 本文的结构安排 3 2 金融风险 5 2.1 金融风险 5 2.1.1 金融风险的含义 5 2.1.2 金融风险的特征 5 2.2 金融风险测度方法 6 2.3 金融市场 VaR 风险 7 2.3.1 VaR 模型的基本概念 7 2.3.2 VaR 计算的基本原理 8 2.3.3 VaR 方法的优缺点 8 2.3.4 VaR 研究的现状综述 9 3 基于 FIGARCH-EVT 的非线性动态 VaR 模型 11 3.1 基于 FIGARCH 模型的条件方差预测 11 GARCH 模型简介 11 FIGARCH 模型 12 3.2 极值理论 12 3.2.1 极值理论简介 12 POT 方法 13 BM 方法 14 基于 FIGARCH-EVT 的非线性动态 VaR 模型 14 基于 FIGARCH-EVT-POT 的 VaR 模型 14 基于 FIGARCH-EVT-BM 的 VaR 模型 15 3.3.3 模型的计算步骤 15 3.3.4 VaR 的后验测试 15 4 金融市场价格信息预测 18 4.1 金融市场价格信息的分析方法 18 4.1.1 基础因素分析法 18 4.1.2 图表技术分析法 19 4.2 金融市场价格信息的预测方法 19 4.3 本文的方法与思路 21 5 基于 FIGARCH-ANN 的价格信息预测模型 22 5.1 神经网络简介 22 5.1.1 神经元模型 22 5.1.2 多层前向网络模型 23 5.2 基于 FIGARCH-ANN 的预测模型 26 5.2.1 模型的建立步骤 26 5.2.2 神经网络的设计 27 6 上海股票市场的实证分析 28 6.1 样本的选取与处理 28 6.1.1 数据说明 28 6.1.2 数据的性质 28 6.2 条件方差预测 29 6.3 标准残差尾部分布的拟合 31 6.3.1 基于 EVT-POT 的标准残差尾部分布拟合 31 6.3.2 基于 EVT-BM 的标准残差尾部分布拟合 32 6.4 VaR 后验测试 33 6.5 上综指价格信息预测 35 7 结论与展望 38 7.1 主要结论 38 7.2 后续研究工作的展望 39 致 谢 40 参考文献 41 附 录 45 重庆大 重庆大学硕士学位论文 1 绪论 PAGE PAGE 10 1 绪论 1.1 选题的背景 随着社会主义市场经济体制运作的不断增强，以及世界经济的高速发展和全 球经济一体化的发展，资金的融通发挥着愈来愈大的作用，各国金融市场的运行 状况和潜在规律的研究和应用不仅对各个国家整体经济实力产生重要影响，甚至 直接影响到全球经济的未来发展趋势。 金融市场在很大程度上反映了一个国家的经济实力，是经济发展趋势的晴雨 表。金融市场是市场经济的重要组成部分，其作用不仅被政府所重视，而且也受 到广大投资者的普遍关注。金融市场的固有规律始终以其特有的方式在影响和改 变着人类的生产、生活。金融市场在整个国家经济体系中占有举足轻重的地位， 它对国家经济以及世界经济的影响和作用远远超过国民经济中的其它产业，金融 市场的运行规律是一门需要深入研究的科学。 金融业务包含着大量信息处理任务，信息的有效利用起着相当重要的作用。 金融数据中蕴藏着丰富的信息，可以利用一定的方法与技术，来对金融市场进行 分析、建模和预测，并进行风险评估和客户关系管理，