资源描述：
《基于garch_var模型的股票市场风险度量研究41257》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第32卷第21期武汉理工大学学报Vol.32No.212010年11月JOURNALOFWUHANUNIVERSITYOFTECHNOLOGYNov.2010DOI:10.3963/j.issn.16714431.2010.21.037基于GARCHVaR模型的股票市场风险度量研究魏建国,柳建芳,吴奇峰(武汉理工大学经济学院,武汉430070)摘要:通过对沪市一段时期内的收益率序列进行检验,得到收益率残差序列满足ARCH效应,所以GARCH模型非常适合VaR计算中的波动性的估计。基于2种不同分布(t分布和GED分布)假定
2、下,讨论GARCH类模型的VaR计算,并从实际数据出发计算了沪市2005年1月31日到2009年12月31日平均一天期的VaR值,据此定量测量股票市场风险,这可以为股票投资机构的风险管理及一般股票投资者的投资风险分析提供依据。关键词:VaR计算;GARCH类模型;风险度量;参数估计中图分类号:F224.0文献标识码:A文章编号:16714431(2010)21014704AStudyonMeasuringtheStockMarketRiskBasedonGARCHVaRModelWEIJianguo,LIUJianfang,
3、WUQifeng(SchoolofEconomics,WuhanUniversityofTechnology,Wuhan430070,China)Abstract:ThetestforthereturnseriesofShanghaiStockMarketwithaperiodoftimeindicatesthattheresidualsequenceoftheyieldrateshowsARCHeffect.Namely,theGARCHmodelisappropriatefortheestimationofthevolatilityinvo
4、lvingthecalculationofVaR.Basedontwodifferentdistributions(tandGED),thispaperstudiesVaRcalculationunderGARCHmodelsandcalculatestheaveragedailyVaRvaluebythedatafromShanghaiStockMarketrangingfromJan.31,2005toDec.31,2009.Theriskmeasurementcanprovidesbasisfortheinvestorsriskmanage
5、ment.Keywords:VaRcalculation;GARCHclassmodels;riskmeasurement;parameterestimationGARCH模型可以有效地追踪金融时间序列收益率的动态方差,并能精确计算VaR值。Engle提出了[1]自回归条件异方差(ARCH)模型,他的学生Bollerslev将ARCH模型推演到GARCH模型。目前,对金融数据时变特性主要采用GARCH模型进行描述。许多实证研究表明,金融序列数据在其尾部和中间部位集[2]中了大量的概率分布,比正态分布拥有肥尾!特性。用正态分布来刻画金融数据会
6、损失大量的尾部信息,造成VaR值低估。鉴于金融时间序列有波动集聚性和分布的尖峰厚尾性,Nelson和Hamilton分别用广义误差分布(GED)与t分布来调整尾部的偏差。作者采用这2种分布假定下的GARCH类模型对中国上海证券交易所上市的股票的VaR值进行计算。1VaR计算与GARCH类模型1.1VaR定义和计算的基本原理风险价值是在市场正常波动情形下对证券组合可能损失的一种统计测度,即在正常的市场条件和给定的置信水平下,在一定的持有期间内,某一投资组合预期可能发生的最大损失(或最小收益)。用数学公式描收稿日期:20100729.作者简介:
7、魏建国(1963),男,教授.Email:weijg@whut.edu.cn148武汉理工大学学报2010年11月述为:Prob(p>VaR)=1-,其中,p为证券组合在持有期内的损失;VaR为置信水平1-下处于风险中的价值。1.2VaR估计的条件方差方法从目前来看,主要采用3种方法计算VaR值,分别是历史模拟法、蒙特卡罗模拟法、方差协方差法,前者属于非参数方法,后两者属于参数方法。作者将采用方差协方差的改进方法即条件方差法来计算VaR值。考虑到金融市场
8、中收益率的厚尾性会低估用条件方差方法估计的VaR值,利用GARCH类模型中的条件方差ht来测度股票市场的VaR,可以在一般
