论文部分内容阅读
本文在修正了沪深300股票指数收益率序列的非平稳性和自身相关性之后，把ARMA模型与GARCH模型、GJR模型、IGARCH模型、FIGARCH模型、FIEGARCH模型、FIAPARCH模型、HYGARCH模型相结合，然后依次假设残差分布服从正态分布、t分布和偏t分布，来描述沪深300股票指数日对数收益率序列的尖峰厚尾性、杠杆效应和长记忆特性，利用上述模型分别计算沪深300股票指数的VaR值．在空头和多头投资者情况下，不同的波动性模型和不同残差分布的VaR预测有效性差距很大．比较得知，在不同的置信水平下