中国股票市场风险的预测评估

论文摘要

自从2001年加入WTO以来,中国金融市场面临着国际上风云变幻的形势,金融市场风险管理显得尤为重要,而金融市场风险的测量工具——风险值(VaR)是许多国家的金融市场风险估计标准。因此,VaR的计算方法成为许多学者的研究热点。这篇文章从VaR计算的基本原理和主要方法出发,简要地介绍国际上VaR计算的常见模型：简单移动平均模型,指数加权移动平均模型,GARCH族模型,历史模拟法及其改进方法的模型。文中通过比较、借鉴与引申、文理相并等研究方法,将各VaR模型应用于上海证券综合指数的对数收益序列,进行实证分析如下：首先,利用金融时间序列分析的理论和方法,对序列进行了统计特征分析,发现收益均值几乎为0,收益的分布不是严格服从正态分布,而是具有尖峰和厚尾的特征；序列是平稳的,自身不相关,但并不完全独立,而是高阶自相关：序列存在ARCH效应。其次,对各VaR模型进行Christoffersen(1998)的覆盖失败概率检验。检验结果表明,所考虑的模型中大多数在我国股市能够产生较好的无条件或条件的覆盖失败概率,因此在这个层面上我们有比较多的VaR模型可供选择。最后是比较各VaR模型。先分别选取三个损失函数作为评估模型优劣标准之一。然后选用最经典的Riskmetrics模型为基准模型,采用White(2000)的“现实检查”与Politis&Romano的平稳自助法两者相结合的方法进行模型之间的比较。结果显示,直接两两地比较模型则可以产生一些比基准模型具有更好预测能力的模型；而考虑到数据挖掘问题,需要将多个模型同时与基准模型进行比较,发现只有少数几个模型的预测能力比基准模型好。综合地来看,在不同标准和不同置信水平下,没有任何一个VaR模型能获得统一最优的预测能力。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题背景及研究意义
• 1.2 国内外研究现状和文献综述
• 1.2.1 国外相关研究的文献回顾
• 1.2.2 国内相关研究的文献回顾
• 1.3 论文的主要研究方法和内容结构
• 1.3.1 主要研究方法
• 1.3.2 内容结构
• 1.3.3 研究内容的创新点
• 第二章 金融市场风险测量的VAR方法
• 2.1 VAR方法介绍
• 2.1.1 VaR的概念
• 2.1.2 VaR计算的基本原理
• 2.1.3 VaR计算的一般方法
• 2.2 VAR的具体计算
• 2.2.1 已知分布下的VaR计算
• 2.2.2 单个证券组合的VaR计算问题
• 2.3 VAR计算的主要方法
• 2.3.1 参数法
• 2.3.2 非参数法
• 2.3.3 半参数方法
• 2.4 本章小结
• 第三章 中国股市的统计特征分析
• 3.1 正态性检验
• 3.2 自相关分析
• 3.3 平方序列自相关分析
• 3.4 ARCH效应的LM检验
• 3.5 本章小结
• 第四章 VAR计算方法的建模分析
• 4.1 参数法
• 4.1.1 简单移动平均法
• 4.1.2 指数加权移动平均法
• 4.1.3 GARCH族模型
• 4.2 历史模拟法
• 4.2.1 简单历史模拟法
• 4.2.2 历史模拟法与平稳自助法的混合
• 4.3 混合历史模拟法
• 4.4 本章小结
• 第五章 VAR模型的预测评估
• 5.1 覆盖率的Christoffersen检验
• 5.1.1 无条件覆盖失败概率的检验
• 5.1.2 指标序列的独立性检验
• 5.1.3 Christoffersen检验
• 5.2 预测评估标准
• 5.2.1 预测评估的相关理论
• 5.2.2 预测评估的相关损失函数
• 5.3 预测能力的现实检查
• 5.3.1 现实检查的原理
• 5.3.2 平稳自助法
• 5.3.3 模型预测能力的现实检查
• 5.4 本章小结
• 第六章 VAR模型在中国股市的实证分析
• 第七章 结论和展望
• 7.1 结论
• 7.2 展望
• 参考文献
• 攻读硕士期间发表的论文
• 致谢
• 附录 部分检验的MATLAB7.0程序源代码