论文部分内容阅读
本文通过对上证指数日对数收益率序列的VaR和CVaR的计算，比较了三种不同分布：正态分布，t分布和GED分布，以及不同均值方程和不同波动率方程分别对VaR和CVaR计算值的影响，结果表明GED分布下的模型拟合最好，计算得到的VaR和CVaR值较好；其次EGARCH模型下计算得到的VaR和CVaR值要优于GARCH模型下的结果；再次不同均值方程对VaR和CVaR值的计算结果没有明显差别，原因在于在利用GARCH族模型计算VaR和CVaR时，主要关注的是条件方差，均值方程的影响很小，本文第四部分针对已有的GARCH-M模型做了进一步的改进，将时变的CVaR引入到GARCH模型中，推导出GARCH-M-CVaR模型，并给出了该模型的参数估计方法和实证支撑，通过对国内外股票指数的实证分析得出结论：以CVaR作为时变风险项时，风险度量结果比较稳定。