论文部分内容阅读
VaR方法是一种衡量金融市场风险的新方法,是为了应对20世纪90年代初的金融灾难而发展起来的。现在VaR方法已扩展并应用于衍生工具,VaR技术是目前市场上最流行且最为有效的风险管理技术。2007年由美国次级债危机所引发的全球金融危机又对风险价值的研究提出挑战。各金融机构采用不同的VaR模型,得到不同的风险价值估计值,由于承受风险的程度不同加之市场透明度缺乏,以至于出现了很多不安全隐患。目前被国际认可的VaR计算方法有多种,但没有绝对证据表明哪一种是最优的,而只是从某些方面或某种角度去说明方法的优良性。因此,如何建立尽可能准确描述风险价值的模型仍是一个重要课题。在长期的实证研究中,人们发现大部分金融时间序列都表现出尖峰厚尾特征和簇族（异方差）效应,且人们对好消息和坏消息的反应具有明显的非对称性。在风险管理研究中,人们更为关注极端事件的发生,本文提出的非对称Log-GARCH模型,不仅可以很好地刻画金融时间序列的尖峰厚尾性和异方差性,还有明显的杠杆效应。但是,Mikosch Starica发现残差服从正态分布的GARCH类模型的尾部比实际数据中的薄,因此用极值理论的方法研究重尾误差下非对称Log-GARCH模型的VaR是很有意义的。本文系统阐述了风险价值VaR的定义,并总结了计算VaR的各种方法。在Geweke（1986）,Pantula（1986）提出的Log-GARCH模型和Nelson（1991）提出的EGARCH模型的基础上提出了非对称Log-GARCH模型,给出了重尾误差下基于该模型的VaR估计,并证明了估计的渐进正态性,同时还建立了水平为p0的置信区间,使得估计更为精确。最后本文就上证综指和深圳成指日收益率对本文提出的模型进行实证分析,结果表明该模型是有效的。