基于ARCH类模型的中国股票市场风险价值的测度与分析

论文摘要

VaR模型诞生于上世纪九十年代，对于它的研究至今才有十多年的历史。但由于它的产生使金融风险管理在方法上取得了实质性进步，因而得到了迅速推广和广泛关注。然而要准确度量VaR并非容易，这是因为它既与资产收益率的概率分布有关，又与资产收益率的波动性有关，而资产收益率序列具有条件异方差性。因此，为了准确估计VaR，必须充分考虑收益率的概率分布及其波动性这两个因素。ARCH类模型考虑了这两个条件——在拟合ARCH类模型时既要考虑收益率的概率分布，又能得出样本数据在不同时段的方差。因此，将ARCH类模型引入VaR的测度方法中，必能在很大程度上提高VaR的精度。本文通过对金融风险和金融风险管理概括性介绍后，在综述出几类风险度量方法的基础上对其中的VaR方法进行了细致的介绍和分析，在前人研究基础上总结出将ARCH类模型引入VaR测度模型的基本思想并提出利用ARCH类模型计算VaR的具体步骤。本文以中国股票市场中的上证指数、上证180指数、深证成份指数的2002年8月至2006年9月的1010组日收盘价数据为考察对象，通过假设其服从不同的分布状态，拟合出ARCH模型，进而得出不同的分布状态下的条件方差序列，并通过编制计算机程序计算出不同分布状态下各样本序列的95％和99％的分位数，这样得出了样本指数序列的日VaR，进而对样本指数的风险价值状况进行分析并得出结论。本文最后提出了在现实金融市场中如何更有效的利用基于ARCH类模型的VaR测度方法对风险资产的风险价值进行计算，并对研发出一套基于ARCH类模型的VaR评估系统的可行性进行了探讨。

论文目录

• 摘要
• Abstract
• 1 金融风险及其度量
• 1.1 风险概述
• 1.2 金融风险与金融风险管理
• 1.2.1 金融风险
• 1.2.2 金融风险管理
• 1.3 金融风险度量方法
• 1.3.1 基于标准差的风险度量理论
• 1.3.2 半方差模型
• 1.3.3 对数效用模型
• 1.3.4 ARCH类模型
• 1.3.5 风险价值模型
• 2 度量金融风险的VaR方法
• 2.1 VaR模型的研究现状
• 2.1.1 国外研究状况
• 2.1.2 国内研究状况
• 2.2 VaR模型概述
• 2.2.1 VaR的计算基本原理
• 2.2.2 VaR的作用
• 2.2.3 VaR的优点
• 2.3 VaR的测度方法
• 2.3.1 参数法
• 2.3.2 非参数法
• 2.3.3 半参数法
• 2.4 VaR方法的数学描述
• 2.5 VaR模型的回测
• 3 ARCH类模型及其在VaR测度中的应用
• 3.1 ARCH类模型的提出与发展
• 3.1.1 ARCH模型的提出
• 3.1.2 GARCH模型的提出与发展
• 3.1.3 ARCH模型的一般表述
• 3.2 ARCH类模型在VaR测度中的应用方法
• 3.2.1 将ARCH类模型引入VaR测度理论的基本思想
• 3.2.2 用ARCH类模型计算VaR的基本步骤
• 4 对中国股票市场风险价值的实证分析
• 4.1 收益率及其分布状态
• 4.1.1 收益率与对数收益率
• 4.1.2 对数收益率的优点
• 4.1.3 收益率的分布形式
• 4.2 股票指数的选择
• 4.3 样本股指数的数据特征
• 4.4 VaR的计算及股市风险分析
• 4.4.1 ARCH类模型的拟合及相关参数的计算
• 4.4.2 VaR的计算及检验
• 4.4.3 中国股市风险状况分析
• 4.4.4 VaR的预测
• 5 主要研究结论及建议
• 5.1 VaR模型对我国股市的借鉴作用
• 5.2 对基于ARCH类模型的VaR测度方法的评价
• 5.3 对开发“基于ARCH类模型的VaR测度方法”系统的构想
• 参考文献
• 攻读硕士学位期间的研究成果
• 附录一 基于PARCH-N模型的三类指数日VaR值
• 附录二 分位数的求解方法
• 致谢