長記憶條件下中國股市VaR估計模型的比較研究.pdf

1、VaR(Value at Risk)是一種利用統(tǒng)計技術(shù)來度量市場風險的方法。一些權(quán)威金融研究機構(gòu)的調(diào)查表明，自二十世紀80年代以來，VaR己經(jīng)為眾多商業(yè)銀行、投資銀行、非金融公司、機構(gòu)投資者及監(jiān)管機構(gòu)所使用和關(guān)注。許多金融機構(gòu)都將VaR作為防范金融風險的第一道防線，并且開發(fā)了利用VaR進行風險管理的軟件。監(jiān)管機構(gòu)則利用VaR技術(shù)作為金融監(jiān)管的工具，如在巴塞爾委員會發(fā)布的巴塞爾銀行業(yè)有效監(jiān)管核心原則及歐盟的資本充足度法案中，VaR成為其監(jiān)

2、管市場風險的重要工具。由于GARCH族模型能夠較好地刻畫收益的動態(tài)變化特征，捕捉股市的叢集性效應、非對稱特征，所以近年來計算VaR的參數(shù)方法多集中于用各類GARCH 模型結(jié)合能捕捉股市收益的厚尾特征的t-分布、GED 分布進行計算。
　　 本文首先介紹VaR的概念、計算方法及VaR 模型的準確性檢驗;接著回顧傳統(tǒng)的GARCH類波動模型到FIGARCH模型的轉(zhuǎn)變,之后介紹了長記憶的概念及檢驗方法。在實證分析這一章，首先對上證綜合指

3、數(shù)、深圳成份指數(shù)、香港恒生指數(shù)進行了一個長記憶性檢驗，在收益波動率序列中我們發(fā)現(xiàn)了高度顯著的長記憶性。然后我們用GARCH(1,1)、FIGARCH(1,d,1)和FIEGARCH(1,d,1)模型計算各指數(shù)在三個置信水平下的VaR值。我們用返回檢驗法檢驗對各模型的預測效果進行了比較，但是從LR統(tǒng)計量考慮，我們不能拒絕GARCH、FIGARCH、或FEGARCH模型，它們都能對較好地對風險作出估計，因此本文采用評分法評估各模型的優(yōu)劣，按

4、各模型實際失敗率 與期望失敗率 絕對差的大小，我們計算出各指數(shù)的9個模型的排序情況，并算出平均排序，平均排序最小的模型其準確性總的來說是最高的。評分法便于綜合評價各模型的優(yōu)劣。實證結(jié)果表明在估計95％置信度下的VaR值時基于GED分布的FIGARCH(1,d,1)模型表現(xiàn)最佳。而在97.5％及99％置信水平下，基于GED分布的FIEGARCH(1,d,1)模型表現(xiàn)出了最好的預測能力。我們發(fā)現(xiàn)FIGARCH和FIEGARCH模型在估計中國