我国近期股市ＶａＲ计算与分析的研究.docxVIP

我国近期股市ＶａＲ计算与分析的研究 　　[摘要] 本文应用极值理论和经济计量方法对上证指数收益率VAR进行估计和分析， 通过对上证指数突变前后股市VAR大小的比较指出其存在的差异与原因，实证结果表明随着股市价格下跌其存在的风险值也越大但风险值的增长率远小于股市价格下跌率。 　　[关键词] 极值理论 风险值VAR 波动率 　　 　　一、引言 　　金融市场中极端的价格运动虽然少见，但是很重要。自1987年10月股市的崩溃，以及今年的金融危机，已经引起了实际应用者和研究者们的广泛关注，一些人甚至呼吁政府加强对衍生证券市场的监管。风险值（简称VAR）成为风险管理中广泛使用的市场风险的度量。鉴于我国近期股票市场价格普遍下跌情况，本文通过VAR的计算来说明价格上涨前后股票市场存在的风险异同。作为实际应用本文考虑金融时间序列的胖尾特性， 运用极值理论与经济计量方法对上证指数进行实证分析。研究所涉及到的数据，上证指数从2007年12月1日到2008年的12月1日全部的收盘指数。 　　二、模型和和方法 　　用极值理论和经济计量方法度量VaR是一种新兴的方法，受到普遍重视，相关文献很多 在描述随机变量最大值分布时，极值理论方法的作用与中心极限定理在描述随机变量时和分布时的作用是一致的，二者揭示的都是研究对象极限分布。 　　1.极值理论的次序统计量与广义极值分布 　　(1)次序统计量。设Xi(i＝1…n)是取自分布函数为F(x)的总体的一个样本，将其按大小排序：，称X(1)，，X(n)为次序统计量，定义： 　　， 　　分别称为样本极大值、和样本极小值，统称样本极值，极值理论处理的就是当样本很大时Yn，Zn的分布情况。定义一个区间参数和一个位置参数bn，那么得出标准化形式：。 　　(2)广义极值分布。极值分布有三种形式，分别称为Gumbel，Frechet，weibull。 　　 　　假定子区间最小值｛rn，i｝服从一般的极值分布，满足的概率密度函数为 　　 　　假定是一般极值分布中抽取的一个随机样本，利用次序统计量的性质我们有的平方和来得到两边取对数，并令ei表示前面两个量之间的偏移则我们有一个回归步骤可以通过最小化ei的平方和来得到的最小二乘估计。 　　对于给定的小概率p持有一个对数收益率为r的标的资产的多头头寸的VaR为 　　2.经济计量方法中的模型 　　广义自回归条件方差模型（GARCH）是一种为带有异方差误差的时间序列的建模方法，它由Bollerslev在1986提出。带自回归误差的GARCH回归模型表示为： 　　 　　式中，的回归函数；。通过估计h的值来计算var的值，公式如下： 　　称为风险度量制下VaR计算的时间平方根法则，此方法假定收益率服从一个条件正态分布。 　　三、实证分析 　　为了更好地研究与比较VaR的值本文选取了上证指数从2007年12月1日到2008年12月1日的收盘指数 基于在2008年6月12日上证指数跌破3000点，所以我们收盘指数分为两组来研究。第一组20080612），第二组20081201）以百分比表示的日对数收益。根据上述理论应用SAS和matlab软件对两组数据进行了处理和分析得到如下的模型结构 　　1.对20080612）的数据拟合的模型为 　　 　　估计出:5％的分为数为。 　　这里的负号理解为表示条件正态分布的左尾。多头头寸1千万概率为0.05的VAR为: 　　VAR0.2378＝2378000。 　　2.对200812010)的数据拟合的模型为 　　 　　5％的分为数为 　　这里的负号理解为表示条件正态分布的左尾。多头头寸1千万概率为0.05的VAR为: 　　VAR0.2014＝2014000。通过两个时期的比较我们发现其指数价格下跌(2000-5000)/5000*100%=-60%而其风险值仅增长(2378000-2014000)/2014000*100%=18.08%左右。 　　四、结论 　　首先，上证收盘指数收益率服从正态分布存在异方差现象用GARCH（1，1)模型能很好的的拟合它。通过对收益率与异方差的估计应用经济计量方法计算出其收益率的VAR。比较两个时期的VAR的值，发现当指数暴跌时其风险值增加很多，但是其风险值增加的速度也慢。 　　其次，通过前后风险值的计算我们知道风险值主要取决与异方差的大小，所以指数暴跌必然带来大的风险值但是由于异方差很小所以前后的VAR变化不大，我们认为在指数暴跌时期是进入市场的较好时期。 　　再次，本文通过计算与比较前后的VAR说明了同样资本在不同时期会带来风险值大