基于garch模型的var方法新.pdf

基于GARCH 模型的VaR 方法 对中国股市中的分析* 陈守东 俞世典 摘 要：中国股票市场的收益率具有厚尾性，可以利用ＧＡＲＣＨ模型中的条件方差来度量 其ＶａＲ。我们运用了基于不同分布假定下的GARCH 模型的VaR 方法对深圳股票市场与 上海股票市场的风险进行了分析，分析的结果表明深圳股票市场比上海股票市场有更大的风 险，用T 分布和GED 分布假定下的GARCH 模型能够更好地反映出收益率的风险特性。 关键词： Value at Risk ; GED 分布;GARCH 模型 一、引言 J.P.Morgen 集团公布了其内部使用的全面估计金融风险的方法、数据和模型，其核心技 术就是VaR 方法[1]。它已被巴塞尔委员会推荐为一种允许金融机构使用、作为内部风险管 理模型来决定资产的监管要求量的新方法，并明确建议其作为风险度量的标准。Jorion 给出 了VaR 的一个比较权威的定义[2]，可以简单表述为：在正常的市场条件下，给定的置信水 平的一个持有时间内某种风险资产的最坏预期损失。VaR 的概念相当简单，然而如何度量却 存在着各种不同的观点和方法。学者不断地探索各种各样的新方法来度量VaR, 现在已经形 成了三种主流的方法：历史模拟法 （Historical Simulation ）、方差—协方差法和蒙特卡罗模 拟法 （Monte Carlo Simulation ）。本文基于三种不同分布 （Normal, T-distribution, GED ）假定 下讨论了GARCH 类模型的VaR 计算，并从实际数据出发计算了中国的上海股票市场与深 圳股票市场的一天期的VaR 值。研究结果对估计股市大盘风险值和投资决策具有指导意义。 二、VaR 计算与GARCH 模型介绍 (一) VaR 计算的基本原理 对于一项资产或资产组合，根据VaR 的定义,可以写出它一般化的表达式, 既在正常市 场条件下给定一定置信水平下资产或资产组合的预期价值与最低价值之差： VaR W (E [r] −r ) ，其中W 为资产或资产组合的初始价值，E [r] 为预期收益, r 为一定 0 a 0 a 置信水平a 下的最低收益率。如果我们已知收益率的分布,那么VaR 的计算是相当容易，可 以用 2 P (r r ) 1−a 计算出r 。比如收益率r ~ N (µ,σ ∆t) ,那么通过计算标准正态分布 a a t ra −µ 的上分位点Z a 就可以，并根据−Z a 求出相应于置信水平 a 的 ra , 也即： σ ∆t r −Z σ ∆t +µ∆t ，从而可以得到VaR W (E [r ] −r ) W Z σ ∆t 。 a a 0 a 0 a （二） VaR 估计的条件方差方法 ＶａＲ估计的条件方差方法属于ＶａＲ计算的分析方法，这种方法考虑到实际金融市场 中收益率的厚尾性会导致ＶａＲ对风险的低估，为此我们可以利用GARCH 模型类中的条件 方差h 来测度股票市场 VaR ，可以在一般的方差协方差模型的基础上变形得到： t VaR p Z h ，其中p 为t- 1 时刻的资产价格，Z 为置信度为a 对应分布函数的临 t t −1 a t t −1 a * 本文发于吉林大学社会科学学报 界值。 下面介绍三种