论文部分内容阅读
我国是一个发展中国家,对各种原材料尤其是金属的需求量巨大。金属价格由于易受各种因素的影响,其波动常常十分剧烈,而金属价格的剧烈波动,不仅会使相关企业难以正常经营,并且不利于国民经济的稳定发展。基于此况,对我国金属期货市场的风险的准确测度具有重要的现实意义。本文基于Bootstrap方法和不同GARCH模型建立风险测度VaR和ES的置信区间,并利用拟合仿真对比分析了滑动窗宽法、正态分布模型、Bootstrap方法构建风险测度VaR和ES置信区间的预测精度,仿真结果表明,Bootstrap方法构建风险测度VaR和ES的置信区间具有最高的预测精度,这说明了本文方法的合理性。在实证分析部分,本文以上海期货交易所铜、铝两种期货指数为实证分析对象,对金属期货市场风险测度VaR和ES的预测区间问题做了研究。首先,对沪铜、沪铝收益率序列进行描述性统计,我们发现沪铜、沪铝收益率序列表现出了明显的尖峰厚尾、波动聚集的统计学特征;其次,利用不同的GARCH模型计算沪铜、沪铝两种期货指数风险测度VaR和ES,实证结果显示,对于沪铜指数来说,GARCH-t模型具有最高的预测精度,对于沪铝指数来说,GJRGARCH-t模型具有最高的预测精度。最后,本文基于Bootstrap方法和GARCH模型对上海期货交易所沪铜、沪铝两种指数建立VaR和ES的预测区间,从区间宽度这个角度来看,对于沪铜指数来说,基于Bootstrap方法和GARCH-t模型建立的VaR置信区间的区间宽度是最小的,说明该方法建立的风险测度VaR和ES的置信区间具有最高的预测精度,对于沪铝指数而言,基于Bootstrap方法和GJRGARCH-t模型建立的VaR置信区间的区间宽度是最小的,说明该方法建立的风险测度VaR和ES的置信区间具有最高的预测精度。尽管本文的研究方法可以丰富现有的风险管理理论,但是,我们认为今后还应对以下一些问题做重点研究:本文只是基于残差Bootstrap方法和GARCH模型建立风险测度VaR和ES的预测区间,并没有和其它Bootstrap方法建立的风险测度VaR和ES的预测区间进行对比,更没有和基于残差Bootstrap方法和其它类型的波动模型(如SV模型)建立的风险测度VaR和ES的预测区间进行对比,这些都将是我们以后的研究方向。