基于GARCH-Stable-VaR模型的我国基金市场风险测度研究

来源 :中山大学 | 被引量 : 0次 | 上传用户:wh_wzy
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近几年来,随着金融市场的快速发展,基金以其专业理财优势、理性投资行为逐渐成为国内证券市场上影响力最大的机构投资者之一,基金业的发展问题也成为近年来我国金融投资理论界和实务界关注的热点问题之一。2008年上半年基金共计净值损失达1.08万亿元,这个亏损数额已接近2007年年底全部基金管理资产的1/3,08年国内基金惨淡的市场表现让基金业经历着一场盛夏里的严冬。   基金面临的所有风险中,市场风险是最主要的风险。因此如何通过历史数据准确、直观地反映市场风险水平成为基金风险测度的最重要内容。VaR方法(Valueat Risk)自20世纪90年代诞生以来,一直受到世界各国金融机构和金融监管部门的重视,已成为金融市场风险度量的主流方法,故本文引入这种方法并用定量分析法(GARCH—VaR模型)来测度深沪市基金的市场风险。   本文在概述国内基金发展及面临的风险现状后,介绍了测度市场风险的模型(GARCH和VaR模型)及其估计方法。在对沪深基金收益进行统计描述后,发现其收益序列均存在尖峰厚尾特征,不服从正态分布,因此在下面的VaR计算中有必要引入Stable,t和GED分布;经ARCH-LM检验后还发现收益系列存在明显的波动聚集性,故引入GARCH模型来描述这种特性,经过模型筛选后发现GARCH(1,1)模型是测度的最佳模型;之后在估计GARCH-Stable模型基础上计算出VaR值,同时也估计出GARCH-Normal/t/GED-VaR模型;最后在选择95%的置信水平,利用失败频率检验法对这四个模型进行有效性检验,以找到测度沪深基金市场风险最优分布下的GARCH-VaR模型   本文实证研究发现:深沪基金收益数据系列具有明显的尖峰厚尾、波动聚集和异方差现象;引入GARCH类模型来描述这些特性后,发现GARCH(1,1)是描述沪深基金收益波动聚集性的最佳模型;在置信水平为95%的条件下,横向对比四个模型发现GARCH(1,1)-Stable-VaR模型是测度所选用深沪市基金数据市场风险的最优模型。
其他文献
近年来,我国商业银行一直致力于通过重新构造商业银行的业务流程、组织流程、管理流程以及企业文化理念,彻底地改造传统的条块分割配置资源和开展业务的银行管理模式,代之以
学位
本文利用SFA与DEA面板数据模型对我国商业银行的经济效率进行了测度,结果发现各银行的效率呈现为先升后降的一种变化趋势。本文将根据宏观和微观层面的测度结果,针对不同效率
学位