论文部分内容阅读
由于受经济全球化与金融一体化、现代金融理论及金融创新、信息技术等因素的影响，全球金融市场迅猛发展，然而金融市场也呈现出前所未有的波动性，商业企业和金融机构都面临着日趋严重的金融风险。如何度量各种金融风险就成为了首要解决的问题。1994年J.p.Morgan提出了风险测量的VaR方法，经过十几年的发展和改进，目前己被众多金融机构广泛采用，并已成为金融界测量市场风险的主流方法。
VaR的计算方法主要分为三种：历史模拟法、方差-协方差方法和蒙特卡罗模拟法。而我国目前对VaR的研究主要集中在历史模拟法和方差-协方差方法上，通过运用各种不同的分布假设和波动性的估计模型来解决金融时间序列的尖峰厚尾性和波动集聚性，而对蒙特卡罗模拟法的研究主要是在正态分布和传统波动性估计方法下进行。本文正是从使用蒙特卡罗模拟来计算VaR的角度出发，从理论阐述到实证分析，来研究我国沪深300指数的风险价值。
蒙特卡罗模拟法是一种全值估计方法，并不一定需要假设市场因子服从正态分布，有效地解决了方差-协方差方法在处理非线性、非正态问题中遇到的困难。然而，金融时间序列往往存在分布的尖峰厚尾性、波动的集聚性以及“杠杆效应”，使得基于一般蒙特卡罗模拟的VaR模型在计算风险价值时仍然存在局限性。本文将不同的分布假设以及波动性的估计方法运用到蒙特卡罗模拟法中，引入了t分布，ARCH类模型，改进了基于一般蒙特卡罗模拟的VaR模型，使其更适应对金融时间序列进行计算。
对我国沪深300指数日收益率数据的统计特征进行了检验之后，我们发现沪深300指数收益率并不服从正态分布，而是更近似于尾部较厚的t分布，同时收益率数据还存在波动集聚性，并且收益率与收益波动之间存在“杠杆效应”，符合一般金融时间序列所具有的统计学特征。
然后，本文利用基于蒙特卡罗模拟的VaR模型及改进模型，对我国沪深300指数的风险价值进行了计算。实证结果表明，在蒙特卡罗模拟加入GARCH(1，1)模型、EGARCH(1，1)和t分布，能够逐步解决由收益率序列波动集聚、“杠杆效应”和尖峰厚尾所带来的问题，使基于蒙特卡罗模拟的VaR模型有效性逐步提高。通过对实证结果作出对比，发现基于EGARCH-t分布-蒙特卡罗模拟的VaR模型在计算我国沪深300指数风险价值时最有效，风险覆盖率最高。此外，当在基本的蒙特卡洛模拟中引入非对称GARCH模型——EGARCH后，模型在计算沪深300指数风险价值是的有效性得到了很大的提高，表明沪深300指数市场中，收益与波动之间的“杠杆效应”非常明显。