论文部分内容阅读
2008金融危机对各国金融市场秩序造成了严重破坏,大量金融机构倒闭,金融资产价格大幅震荡,甚至连政府都陷入了破产的境地。虽然金融风险无处不在、无时不有,但能够产生这样大规模破坏性影响的是这类隔几年甚至几十年才遭遇一次的极端市场变动。因此,发展新的能够在极端情况下有效度量风险的工具对于金融机构和监管当局来说有重大意义。对风险,特别是这类极端风险的防范不应随着经济的逐渐复苏而放松。本文旨在对用极值理论作为度量风险价值VaR的准确性和适用性作一改进。极值理论作为对极端变动情况进行描述的一种统计方法,只对分布的尾部,而非整个分布进行建模,且无需假设具体的分布类型,避免了模型风险。这是极值理论的一大优点,但是用极值理论模型得到的VaR值可能相对保守,使得一些金融机构没有动力运用这一模型来度量风险。而动态的极端风险度量模型则对此作了改进。本文将基于极值理论的动态VaR度量模型应用于中国的沪深股市,并将所得结果与用传统的VaR度量方法所得结果进行比较,以分析本文所提出的模型所具体适用的情况。本文主要分为理论环节和实证环节两个部分进行分析。在本文的理论研究环节,首先简要介绍了VaR的相关理论,包括VaR的定义、VaR的传统计算方法、VaR模型的准确性检验方法——回测检验以及用VaR度量风险的优缺点。接着详细介绍了极值理论及其相关概念,在此基础上引入了基于极值理论的VaR度量模型——区组最大值模型BMM和超阈值模型POT,并将GARCH族模型与POT模型相结合,建立了基于POT模型的三个动态的VaR度量模型——GARCH-POT模型、GJR-POT模型和EGARCH-POT模型。在实证研究环节,本文选择了上证综指和深证成指较长期间的日收益率数据作为样本。对其进行了基本的统计分析后,发现和大部分金融时间序列一样,我们选择的样本数据具有尖峰厚尾的特征,且波动呈现集群现象,异方差性明显。我们不假设样本的具体分布,用BMM模型和POT模型来拟合样本数据,根据参数估计结果计算了1日的VaR值。根据本文提出的三个动态VaR度量模型,在估计了GARCH模型、GJR模型和EGARCH模型的参数后,用POT模型计算了标准化残差的高分位数,最终结合条件均值和条件方差的预测值计算出1日的动态VaR值,并与用传统方法计算的1日VaR作了最简单直观的比较。但要比较模型的好坏需要作动态比较。最后,对本文所用的VaR计算模型进行回测检验,得出了比较分析结果。结果发现,对于不同的金融机构或投资者,面对不同的市场需要适合特定情况的风险度量模型。BMM模型和POT模型,特别是POT模型,适合保守的金融机构或投资者用于度量较高置信水平下的VaR值,而本文提出的三个动态风险度量模型则对POT模型作了改进,使得其也适用于较激进的金融机构或投资者。相信本文对于金融机构或监管当局管理金融风险具有一定的参考价值。本文的研究工作系国家自然科学基金:期权组合非线性VaR度量模型及数值方法研究(项目编号:70771099)资助项目。