金融市場VaR風險與價格信息預測——基于FIGARCH-EVT、FIGARCH-ANN.pdf

1、金融市場VaR風險與價格信息預測—基于FIGARCHEVT、FIGARCHANN重慶大學碩士學位論文學生姓名：傅肖肖指導教師：肖智教授專業(yè)：管理科學與工程學科門類：管理學重慶大學經(jīng)濟與工商管理學院二OO八年十月重慶大學碩士學位論文中文摘要I摘要金融市場是一個復雜的非線性動態(tài)系統(tǒng)，金融數(shù)據(jù)中包含著許多信息，借用適當方法對金融數(shù)據(jù)進行分析與預測，是一個具有挑戰(zhàn)性的研究領域，有著極高的市場價值。風險信息和價格信息是金融信息的兩個重要方面，預測

2、金融風險有助于保障金融市場安全，預測資產(chǎn)價格可以幫助投資者獲取投資收益。論文針對金融信息預測的這兩個方面進行了一些研究。實際中金融資產(chǎn)的回報序列有以下特點：①資產(chǎn)回報分布的厚尾性，金融資產(chǎn)回報序列的實際分布比正態(tài)分布在尾部明顯更厚；②資產(chǎn)回報波動的異方差性，回報的波動一段時間很大而一段時間很小，呈現(xiàn)出集聚性；③資產(chǎn)回報波動的長期記憶性，即市場對波動的沖擊要持續(xù)一段時間才會消失。利用FIGARCH模型有效處理波動異方差性和長期記憶性、極值

3、理論（EVT）方法準確擬合資產(chǎn)回報厚尾分布的優(yōu)勢，論文提出了能反映資產(chǎn)回報厚尾性、資產(chǎn)回報波動異方差性和長期記憶性的VaR風險預測模型——基于FIGARCHEVT的動態(tài)VaR模型。將金融市場的重要特征——波動作為輸入變量，融入神經(jīng)網(wǎng)絡模型，可以改進神經(jīng)網(wǎng)絡預測金融資產(chǎn)價格趨勢的準確性。論文選用FIGARCH模型估計的條件方差代表波動，然后與資產(chǎn)回報的滯后歷史值一起作為輸入變量，以資產(chǎn)回報的當天值作為輸出變量，建立基于FIGARCHANN

4、的金融價格信息預測模型，減小預測的錯誤率。最后用上海股票市場上證綜合指數(shù)從1995年1月1日到2007年5月17日的每日收盤價時間序列對模型進行實證分析，結果表明基于FIGARCHEVT的動態(tài)VaR模型能較好地處理上證綜合指數(shù)回報序列的三大特點，比基于GARCHN和基于靜態(tài)EVT的VaR模型更能準確地度量其VaR風險；在預測上綜指價格趨勢時，基于FIGARCHANN的價格信息預測模型比基于GARCHANN和沒有加入波動信息作為輸入變量的