论文部分内容阅读
经济一体化和金融全球化的发展,将各个国家的金融市场紧密的联系起来。金融市场的开放给投资者和金融机构带来了更多的选择和机遇,但同时也使金融机构和投资者面临更多的风险。因此,为确保经济的平稳发展,必须做好金融安全的维护工作和金融风险的防控工作。随着金融市场的多样化发展,对金融风险度量方法准确性的要求也越来越严格,如何有效的测量金融风险成为一个关键问题。VaR模型作为一种风险的主流测量方法,自提出后便广泛被各大金融机构及监管部门应用于风险管理。近年来,为寻找有效的VaR估计方法,国内外学者相继开始尝试用各种不同的方法进行VaR风险度量。按照统计学理论来说,VaR是一个与收益率序列尾部分布相对应的分位数,可以用分位数回归模型来度量。分位数回归模型不用事先对收益率序列的分布特征作出假设,对于处理具有尖峰厚尾分布特征的金融数据有一定的优越性,可以很好的刻画极端事件。
为找到多期VaR风险度量的有效方法,考虑到金融数据尖峰厚尾等分布特征,本文基于不同的分布假设,以S&P500、香港恒生指数和上证综指为研究对象,讨论了多期VaR风险度量的三种方法:GARCH模型、QR-GARCH模型和QR-SV模型。为比较各种方法的有效性,本文借助平均误差和似然比检验方法对三种方法的多期VaR风险度量结果进行了回测检验。
本文的结论为:第一,基于QR-GARCH模型的多期VaR估计结果优于基于GARCH模型的多期VaR估计结果。GARCH类模型中,GARCH-T模型的表现最差,且严重高估了风险。而分位数回模归型与GARCH-T模型的结合,大大提升了其准确性。第二,对于不同的样本数据及置信水平,推荐使用的模型不同。在95%的置信水平下,对于S&P500和上证综指来说,QR-GARCH-GED模型的表现最好,对于香港恒生指数来说,QR-GARCH-T模型的表现最好。在99%的置信水平下,对于三组样本数据来说,表现最好的模型均是QR-GARCH-N模型。第三,应用不需对分布特征作出假设的分位数回归模型,可以缩小不同分布假设下VaR风险度量结果的差异。第四,在有效性方面,基于QR-GARCH模型的多期VaR估计结果优于基于QR-SV模型的多期VaR估计结果。但是,在模型选取的稳定性方面,QR-SV模型有更好的表现。
为找到多期VaR风险度量的有效方法,考虑到金融数据尖峰厚尾等分布特征,本文基于不同的分布假设,以S&P500、香港恒生指数和上证综指为研究对象,讨论了多期VaR风险度量的三种方法:GARCH模型、QR-GARCH模型和QR-SV模型。为比较各种方法的有效性,本文借助平均误差和似然比检验方法对三种方法的多期VaR风险度量结果进行了回测检验。
本文的结论为:第一,基于QR-GARCH模型的多期VaR估计结果优于基于GARCH模型的多期VaR估计结果。GARCH类模型中,GARCH-T模型的表现最差,且严重高估了风险。而分位数回模归型与GARCH-T模型的结合,大大提升了其准确性。第二,对于不同的样本数据及置信水平,推荐使用的模型不同。在95%的置信水平下,对于S&P500和上证综指来说,QR-GARCH-GED模型的表现最好,对于香港恒生指数来说,QR-GARCH-T模型的表现最好。在99%的置信水平下,对于三组样本数据来说,表现最好的模型均是QR-GARCH-N模型。第三,应用不需对分布特征作出假设的分位数回归模型,可以缩小不同分布假设下VaR风险度量结果的差异。第四,在有效性方面,基于QR-GARCH模型的多期VaR估计结果优于基于QR-SV模型的多期VaR估计结果。但是,在模型选取的稳定性方面,QR-SV模型有更好的表现。