论文部分内容阅读
近年来,全球金融市场蓬勃发展,同时波动性也不断加剧,如何有效管理和准确预测金融风险,成了政府和金融机构亟待解决的一个重要问题。而对于研究金融市场风险度量的重要指标:一是波动率,准确的度量并预测不仅有助于了解金融市场的运行特征,也有利于投资者准确的预测投资风险,从而做出正确的投资决策。由于基于高频数据的已实现波动率模型对波动率进行建模和预测,充分使用信息量,不需要估计参数等优势而得到很大推广。对于已实现波动率研究中,比较著名的就是异质市场假说。在此假设的基础上,HAR-RV模型被提出。二是在险价值,对于金融机构和金融监管部门来说,除了对波动率的度量和预测,还有应对风险应提前做的准备,这就涉及到风险管理中另外一个重要的指标—在险价值(VaR)。通过实证分析上证指数的已实现波动率的特征和相关性检验,得出结论是其不服从正态分布,并有极度峰度和右偏、长记忆性等特征,并且HAR-RV模型对于中国股票市场是适用的。基于现有的HAR-RV模型对于中国市场主要局限于实证模型假设系数为常数的情况下,提出非参数动态系数HAR-RV模型(TVCHAR-RV模型),利用局部线性方法和强局部加权方法来进行估计对非参数动态系数和其置信区间,并对模型的可行性和预测能力进行检验。除此之外,并对TVC-HAR-RV模型的系数的形式进行简单的探索,构建了TVC(1)-HAR-RV模型。对于中国股市市场实证分析得出以下结论:(1)HAR-RV模型的系数是动态变化的,不是常数;(2)对于HAR-RV模型、TVC-HAR-RV模型和TVC(1)-HARRV模型的样本外1、5、21日预测能力进行检验,得出结论是整体上来说TVCHAR-RV模型对已实现波动率的度量和预测能力优于HAR-RV模型和TVC(1)-HAR-RV模型;(3)强局部加权方法相对于局部线性方法,提高所建模型的预测能力。为了准确的度量VaR,采用参数法和半参数法,分别考虑标准化收益在GED、SGT、GPD分布下以及FSH方法下的GARCH模型、EGARCH模型和PGARCH模型的风险测度的准确性,据此组建了12种风险测度动态VaR模型,并运用这些动态VaR模型求得上证指数在不同的置信水平下样本外预测的动态VaR值,然后采用、和DQ三种检验方法综合判断模型的准确性,最后利用损失函数进一步评估这些动态VaR模型准确程度,结果表明,在置信水平99.5%和99%下,EGARCH模型更准确,在置信水平97.5%和95%下,PGARCH模型更准确,且在置信水平99.5%和99%下,半参数模型(FSH-VaR,GPD-VaR)比参数模型(SGT-VaR,GED-VaR)更准确。