论文部分内容阅读
股指期货具有高杠杆特性,是高风险的金融衍生品。随着2010年4月16日我国股指期货的正式上市交易,也带来了股指期货市场风险管理的巨大挑战。因此,在我国股指期货上市之后,为有效促进我国资本市场的健康发展,务必要对我国股指期货市场的风险进行管理和控制。而金融风险管理的基础和核心是对风险的定量分析和评估,股指期货风险度量的研究则显得尤为重要和紧迫。在众多的金融资产风险度量方法中,VaR方法作为一种有效的风险管理手段已经成为共识,因而我国股指期货推出后,运用VaR方法对其进行风险管理十分必要。VaR的全称是Value at Risk,意为“处于风险中的价值”,被定义为在正常的市场波动情况下,在一定的置信水平下,投资组合在未来某一个特定时期内的最大可能损失。尽管其概念简单,度量VaR仍是一个非常具有挑战性的统计问题,用于计算VaR的众多模型各有各的优缺点,至今还未找到公认的计算VaR的最佳模型,关于计算VaR的模型的研究仍在继续。本文将VaR作为度量中国股指期货市场风险的一种工具,结合我国股指期货的标的指数一一沪深300指数2005年4月8日至2010年12月31日的日收盘价格数据,选取了三种经典VaR参数模型、非递归的分位数回归VaR模型的三种模型和递归的分位数回归VaR模型的三种模型共九种模型,分别在95%和99%置信水平下进行我国股指期货市场的向前一天VaR预测。最后采用Kupiec检验和分位损失检验这两种从不同视角出发的VaR检验方法,来评价不同显著性水平下各种计算VaR的模型和方法的表现效果,以期选出最适合计算我国股指期货风险的VaR模型,为不同需要的管理者提供全面参考。本文通过实证分析,发现引入分位数回归方法的VaR模型表现良好,在几乎所有的检验标准和置信水平下表现均优于或不差于经典VaR参数模型。在Kupiec失败率检验法中,非递归的分位数回归VaR模型要优于递归的分位数回归VaR模型,其中,QR. EGARCH(1,1)-t模型最优。在分位损失检验中,递归的分位数回归VaR模型则优于非递归的分位数回归VaR模型,其中,95%置信水平下,AS模型最优,99%置信水平下,SAV模型最优。因此建议根据不同管理需要选择模型来度量我国股指期货市场的VaR值。从安全性角度出发,为了保证损失的可控,着重参考失败率检验的结果,优先选择非递归的分位数回归VaR模型中的QR. EGARCH(1,1)-t模型；从资金流动性和盈利性角度出发,着重参考分位损失检验结果,95%置信水平下,优先选择AS模型,99%置信水平下,优先选择SAV模型。