基于贝叶斯MCMC算法的股指VaR实证研究

《基于贝叶斯MCMC算法的股指VaR实证研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于贝叶斯MCMC算法的股指VaR实证研究EMPIRICALRESEARCHONSTOCKINDEXOFVALUEATRISKONBAYESIANMCMCALGORITHM李睿哈尔滨工业大学2018年6月国内图书分类号：O213.9学校代码：10213国际图书分类号：519.2密级：公开理学硕士学位论文基于贝叶斯MCMC算法的股指VaR实证研究硕士研究生：李睿导师：王勇教授申请学位：理学硕士学科：应用统计所在单位：数学系答辩日期：2018年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:O213.9U.D.C:519.2Dissertatio

2、nfortheMasterDegreeinScienceEMPIRICALRESEARCHONSTOCKINDEXOFVALUEATRISKBASEDONBAYESIANMCMCALGORITHMCandidate：LiRuiSupervisor：Prof.WangYongAcademicDegreeAppliedfor：MasterofScienceSpecialty：AppliedStatisticsAffiliation：DepartmentofMathematicsDateofDefense：June,2018Degree-Conferring-Institut

3、ion：HarbinInstituteofTechnology哈尔滨工业大学应用统计硕士专业学位论文摘要随着金融市场全球化迅速发展，金融产品更迭、信息技术创新、国家政策变化使得金融市场面临着诸多风险。金融风险是指由于经济活动的不确定性、市场环境的变化、决策的失误等因素的影响，导致实际回报偏离预期回报的可能性。从定量的角度刻画风险，将损失作为监控的指标，通常采用风险价值VaR模型。研究一种符合模型特点的求解方法，降低估算误差，科学评估风险的预期损失，实现精准度量，避免由于高估或低估风险带来的决策错误，具有重要的研究意义。VaR模型的计算核心是对收益率波动的估计，通过GAR

4、CH簇模型完成对收益率波动情况的刻画，构建基于GARCH簇的VaR模型测度风险价值。建立GARCH簇模型反映时序数据尖峰厚尾的分布特征，同时，通过构建GJR-GARCH模型来说明不同消息对波动率的非对称影响。求解GARCH簇模型中的未知参数，经典方法下采用极大似然估计法，通过引入贝叶斯框架完成对模型中未知参数的统计推断。通过Griddy-Gibbs抽样和Metropolis-Hastings算法对模型中各参数进行MCMC模拟，为实证研究提供理论支持。实证研究过程中，将上证股指数据分为两部分，前一部分作为训练样本用于构建模型，后一部分作为测试样本用于检验模型，分别构建基于

5、历史模拟、蒙特卡洛模拟、GARCH簇模型等VaR计算方法，并通过Kupiec失效率似然比检验方法对各类模型的预测效果进行回测检验，实证结果表明，基于GARCH簇模型的VaR预测效果要显著优于历史模拟、蒙特卡洛模拟等计算VaR的传统方法，并且基于贝叶斯框架求解出的GARCH模型要优于极大似然估计结果，说明贝叶斯MCMC方法在统计推断过程中更加灵活可靠。利用贝叶斯MCMC估计得到了较为精准的VaR测度模型，为企业内部风险控制、监管部门度量风险提供了新的方法和工具。关键词：风险价值；贝叶斯方法；MCMC；GARCH簇模型；波动率-I-哈尔滨工业大学应用统计硕士专业学位论文Ab

6、stractWiththerapiddevelopmentoffinancialmarketglobalization,financialproductsarefacingmanyrisksbecauseofthechangesinfinancialproducts,nationalpoliciesandinformationtechnologyinnovation.Financialriskreferstothepossibilityofactualreturnsdeviatingfromexpectedreturnsduetofactorssuchastheunce

7、rtaintyofeconomicactivities,changesinmarketenvironment,anderrorsindecision-making.TheVaRmodelisamethodofquantifyingrisk,whichuseslossasanindicatorofmonitoring.Itisofgreatsignificancetostudyasolutionmethodthatconformstothecharacteristicsofthemodel,reducingtheestimationerro