研究模型基于APARCH和POT模型上证综指风险度量

论文导读：.1极值论述的进展和革新9-101.2.2极值论述在金融领域的运用10-111.3基本思路和内容11-121.4革新点和不足12-142股票市场风险管理及其度量14-202.1我国股票市场近况14-15212下一页
摘要：近年来金融市场迅猛进展的同时也伴随着波动性增强,并致使许多金融危机事件频繁发生。金融监管机构和众多的投资者由此也增加了对市场风险的关注度。如何寻找到一种更精准的度量工具成为了当前度量市场风险的首要不足,风险价值(VaR)作为目前最普遍的风险度量工具,它表示在一定的置信水平下,资产或资产组合在未来某一特定时间内的最大可能损失,也即是给定显著性水平资产组合收益损失分布函数的分位数点。传统VaR中假定收益率服以某一特定分布,鉴于此极值论述中POT模型逐渐成为VaR估计的主流方式之一。这是因为POT模型只需要探讨收益率序列的尾部特点,利用GPD分布来拟合尾部分布。本论文在POT模型基础上引入APARCH模型,将二者结合探讨上证市场风险,这在当前主流观点认为关注极端VaR的尾部风险比关注正常情况下的风险更有实际作用的背景下,本论文对如何有效准确地度量市场风险进行了有益探讨。本论文以上证指数1990年12月19日-2012年3月19收盘价为原始数据,在借鉴吸收前人成功的探讨成果同时,采取实证浅析策略对上海证股票市场风险进行浅析,并比较探讨了不同置信水平下VaR估计值。首先,本论文对收益率序列的统计性特点进行了描述,以便为选择合理的VaR估计模型。通过正态性、自相关性以及ARCH效应的检验,本论文发现我国股市收益率序列具有尖峰厚尾性,弱自相关性,波动集聚性。其次,本论文采取APARCH模型捕捉收益率序列的自相关和异方差现象,并采取极大似然法估计模型参数,因为极大似然估计需假设残差的分布,故而利用GMM估计对MLE估计结果进行校正。最终获得近似独立同分布的残差序列。再利用POT模型对经过ARARCH模型筛选过的残差进行极值浅析,并根据VaR的可加性计算出收益率序列在不同置信水平下的VaR。为了比较探讨,本论文利用一般POT模型估计了上证综指的VaR,由于一般POT模型不能避开超出量序列的相关性,故而可能会高估真实的市场风险。通过比较不同置信水平下两模型VaR的值,可以得出以下结论：1.在不同的显著性水平下,一般的POT模型估计出的均VaR高于APARCH-POT模型估计出的VaR值,这表明一般的POT模型的确高估了市场风险,且经APARCH—POT模型的估计结果更保守,这也大大了提升尾部分布VaR的稳定性。2.本论文通过利用Kupiec失败返回检验法对各VaR值进行了有效性检验并发现：POT模型和经APARCH过滤后的POT模型在95%、99%的置信水平上Kupiec检验结果均是有效的。但在99%置信水平上POT模型检验效果更好。3.通过对利用APARCH过滤后的POT模型进行动态建模得到了整个样本期内的VaR值。根据样本期间的VaR分布可以得出以下结论：样本期的VaR按集聚特点分为五个区间,其中1990-1994年,沪市建立之初,政府对股市的态度决定了此时市场风险,风险值最大；1995-1999年,随着政府对进展股市信心的坚定,市场风险开始回落,但整体风险仍较大；2000-2006年,随着制度的成熟和机构投资者的进入,市场风险进入平缓期,风险值相对较低；2006-2010年频繁的经济刺激政策推高市场风险；2010-至今,政策打压下投机泡沫减少,上个区间段风险再次回落。本论文的主要革新点在于利用APARCH模型对过滤收益率序列建模时,比较浅析了扰动项服以不同分布时APARCH模型捕捉收益率特点的有效性。另外,本论文采取APARCH模型和POT模型相结合的方式拟合收益率,避开了传统POT模型由于数据相关而造成VaR高估的不足。关键词：POT模型论文APARCH-POT模型论文阈值论文VaR论文自助法论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要2-4
ABSTRACT4-8
1 绪论8-14

1.1 写作背景及探讨作用8-9

1.2 国内外探讨近况9-11

1.2.1 极值论述的进展和革新9-10

1.2.2 极值论述在金融领域的运用10-11

1.3 基本思路和内容11-12

1.4 革新点和不足12-14

2 股票市场风险管理及其度量14-20

2.1 我国股票市场近况14-15

2论文导读：型)23-313.2.1GPD分布23-253.2.2POT模型25-273.2.3阈值的选取27-283.2.4POT参数估计28-293.2.5模型的检验29-313.3时间序列模型31-363.3.1ARMA和相关性检验31-333.3.2ARCH族模型和LM检验33-364基于上证综指的股市风险实证浅析36-474.1数据的选取及基本浅析36-374.2基于APARCH-POT模型的VaR计算37-444.2.1APARCH
.2 股票市场风险度量的VaR策略15-20

2.1 VaR的定义15-16

2.2 VaR特点及其运用16-17

2.3 VaR特点及其运用17-20

3 极值论述和时间序列模型20-36

3.1 极值论述介绍20-23

3.

1.1 极值分布类型及性质20-22

3.

1.2 极值的最大值稳定性及最大值吸引场22-23

3.2 超阈值模型(POT模型)23-31
3.

2.1 GPD分布23-25

3.

2.2 POT模型25-27

3.

2.3 阈值的选取27-28

3.

2.4 POT参数估计28-29

3.

2.5 模型的检验29-31

3.3 时间序列模型31-36

3.1 ARMA和相关性检验31-33

3.2 ARCH族模型和LM检验33-36

4 基于上证综指的股市风险实证浅析36-47

4.1 数据的选取及基本浅析36-37

4.2 基于APARCH-POT模型的VaR计算37-44

4.

2.1 APARCH (1,1)模型37-39

4.

2.2 残差序列{z_t}阈值选取及参数估计39-41

4.

2.3 VaR的计算41-44

4.3 模型检验44-47
4.

3.1 POT拟合检验44-45

4.

3.2 VaR似然比检验45-47

5 结论和展望47-49
附图49-50
参考文献50-54
后记54-55