论文部分内容阅读
运用多元的DCC—MVGARCH模型方法对股票投资组合进行VaR测度，并与J．P．Morgan银行采用的IGARCH模型计算结果进行对比。结果表明，在测度VaR方面，无论在1％或是5％置信水平下，DCC—MVGARCH模型均优于单变量IGARCH模型。以DCC—MVGARCH漠型测度的VaR为基础，把峰度、流动性风险因素纳入VaR模型框架后，发现拓展后的VaR模型预测风险能力显著增强，在所有拓展模型中，同时考虑了内生性、外生性流动性风险的LAVaR3模型表现最优。