论文部分内容阅读
金融市场的风险是全球金融机构及监管当局关注的焦点。与之对应，市场波动率的准确测量是度量风险价值的核心问题。关于波动率的度量，从最初经典的从金融分析模型中求解波动率(如Black-Scholes)，到通过ARCH模型和SV模型，再到基于高频数据的已实现波动率，波动率的测量得到了迅猛发展。在本文中我们研究了基于已实现波动率的中国股市的VaR，同时还研究了基于GARCH模型的VaR，对两个结果进行比较研究。 首先介绍了本文的选题背景、意义及国内外的研究动态。提出了本文的研究框架。接着介绍了计算VaR的原理和方法，已实现波动率的理论和算法，最优时间间隔的选取原理，以及时间序列ARFIMA模型的类型和参数估计方法。然后在前面两部分的基础上，从实际数据出发，首先求出最优时间间隔，然后分析了收益率和已实现波动率的分布特性以及已实现波动率的长期记忆性，在此基础上建立了ARFIMA模型。最后建立了条件已实现波动率，求出基于已实现波动率的VaR，同时求出基于GARCH模型的VaR，最后用LR检验量和失败率对两种不同方法计算出来的VaR进行检验和比较。 研究结果表明，基于已实现波动率的VaR在学生T分布和广义误差分布(GED)下有较好的预测效果。与基于GARCH模型的VaR比较，有较好的预测效果。