基于极值理论和GARCH的风险度量VaR及其实证分析
风险值VaR的出现使得量化风险管理成为可能，自1993年它被提出以来，目前己成为金融机构和金融管理机构衡量市场风险的标准方法．近年来，金融市场的波动日益剧烈，一些金融危机事件接连发生，这些都对风险管理提出了挑战，需要更加适合的模型方法来处理这些情况．实际研究表明，传统的VaR计算方法，将造成对VaR的低估．因为几乎所有的传统方法采用的观测值都集中在分布中部．实际上，分布尾部才是VaR计算所最关心的．分布在尾部的点都是一些极少发生而又具有显著影响的观测值，或者称为极值．极值理论正是对这些极值提供统计分析的模型．但是在研究中，我们注意到极值理论虽然直接研究金融资产收益分布的尾部，但它没有考虑到资产收益波动的聚集性（Volatility Clustering），忽略了资产收益的异方差现象，不能反映每日风险的动态．Bollerslev(1986)提出的GARCH(广义自回归条件异方差)模型能够很好地刻画这种异方差现象，但是GARCH模型却关注整个分布．因此本文综合了极值理论和GARCH模型的思想，建立了GARCH-GPD，GARCH-GEV，EGARCH-GPD，EGARCH-GEV动态风险度量模型．并利用深证综指数据对GARCH-GEV，EGARCH-GEV模型，以及峰值法度量VaR进行了实证比较分析．分析结果表明：（1）GARCH-GEV，EGARCH-GEV、峰值法都能较准确的度量VaR，并且在高置信水平下，模型的准确性更高；（2）在用GEV分布拟合尾部时，对于较低的置信水平，动态模型比静态模型能更准确的度量VaR，而在高置信水平下，各模型度量VaR的效果差别不大． 文章的组织如下：第一章是绪论，综述VaR方法产生的背景，国内外研究现状；提出了论文研究的问题及创新之处；第二章给出了VaR的定义及常用计算方法；第三章简单介绍了极值理论，给出了两类极值分布以及计算VaR的极值方法；第四章介绍度量VaR的异方差极值方法，即建立了GARCH-GPD，GARCH-GEV，EGARCH-GPD，EGARCH-GEV动态风险度量模型，是文章的重点部分之一；第五章是实证分析部分，这也是文章的重点部分；最后一章是总结与展望，对本文的写作进行总结，并提出进一步研究的方向和思路.
极值理论;广义自回归条件异方差;风险度量;VaR计算
杭州师范大学
硕士
应用数学
陈辉;曾祥金
2009
中文
O211.67;F224
52
2013-05-23（万方平台首次上网日期，不代表论文的发表时间）