论文部分内容阅读
2008年金融危机爆发后,我国金融风险形势更加复杂严峻。2016年中央经济工作会议明确要求把防控金融风险放到更加重要的位置,因此更为准确地预测金融市场风险对于这一目标的实现具有重要的理论意义和实际价值。目前,金融机构和监管部门广泛使用Va R来进行风险度量。但是Va R在度量风险时,存在不满足次可加性和没有考虑尾部风险的缺陷,所以在《巴塞尔协议3》中提出用ES逐步替代Va R。在此背景下,本文首先运用Va R和ES两种不同的指标度量中国股票市场的风险,并验证了ES指标度量风险的一些优越性,其次对中国股票市场进行ES预测,从而进一步研究哪些模型可以更好的预测中国股票市场的风险。目前,传统的GARCH模型被广泛应用于风险预测研究当中。然而,传统GARCH模型只能捕捉日度信息,股票市场的波动性却变化较快,往往需要捕捉频率更高的日内信息来刻画其波动率。我们发现Realized GARCH模型有助于解决这一问题,它既考虑了日度信息,又将刻画日内信息的已实现测度纳入考量范围,理论上能够更精确的预测股票市场的风险。因此,有必要探索哪种模型在实际应用中表现更好。鉴于股票的收益率序列具有尖峰、厚尾、左偏的特征,为了更全面的描述这些分布特征,本文采用t分布和Skew Student-t分布来描述收益率序列分布。我们基于多个传统GARCH模型和Realized GARCH模型对深证成指和上证综指进行ES预测,并使用ES后验分析对其预测的准确性进行检验,结果发现:（1）相较于传统GARCH模型,Realized GARCH模型能够更准确的预测风险;（2）Realized GARCH模型中,以已实现波动率为已实现测度的模型在实证过程中表现的更稳健,对风险预测的更准确;（3）与t分布相比,Skew Student-t分布下Realized GARCH模型对风险预测的准确率更高。最后,本文认为Skew Student-t分布下,基于以已实现波动率为已实现测度的Realized GARCH模型估计的ES能够更准确的预测风险。