金融VaR实验资料报告材料.doc

word金融学院“实验超市〞实验报告实验项目名称： 金融VaR计算 实验指导教师： 元如林 学生： 莉 学生所在院系： 保险学院 学生专业： 保险学 实验时间：实验教学与教育技术中心制一、 实验目的通过本实验，我理解度量金融风险的VaR模型，了解国外主要的金融数据库，学习国际先进的金融计算软件的使用方法，初步掌握金融数据采集整理，模型选择，模型参数确定，VaR计算，计算结果分析的根本方法二、 实验过程〔一〕数据准备对2012.01.01~2014.12.31期间债券代码为600550的保变电气股票进展测算一共在网易〔网易首页>网易财经>行情>沪深>中国石油>资金流向>历史交易数据〕下载了751个该股票在相应时间的开盘价，留下250个数据〔2012年12月9日至2014年12月31日的数据〕作为检验数据与建立模型收盘价与收益率的图形如图1和图2图1图2〔二〕计算实验和实验结果1、直接法： 对2012年12月9日至2014年12月31日的数据进展测算。

均值：标准差：直接法测算结果如图3：图32、移动平均法：对2012年12月9日至2014年12月31日的数据进展测算〔1〕用office进展测算，测算结果如图4：图4〔2〕用Mathlab进展测算：对2012年1月1日至2014年12月31日的数据进展测算使用代码如下：data=xlsread('D:\chen.xls');n=size(data,1);d=data(1:n);m=100;for i=1:n-1 x(i) = (d(i+1)-d(i))/d(i);end y1=0;for i=1:my1=y1+x(i);endmu(1)=y1/m;for i = 2:n-m-1 mu(i) = mu(i-1)-(x(i-1)/m)+(x(m+i-1)/m);endfor i=1:n-m-1 xigma1=0; for j=1:m xigma1=xigma1+(x(i+j-1)-mu(i))*(x(i+j-1)-mu(i)); end xigma1=xigma1/(m-1); xgm(i)=sqrt(xigma1); var(i)=mu(i)-*xgm(i);end mt=[1:n-m-1];xx=x(m+1:n-1);plot(t,xx,'k-',t,mu,'r-',t,mu+var,'b-')l 置信度为99%，m=160时，测算结果如图5：图5l l %，m=100时，测算结果如图6：图6l 置信度为95%，m=160时，测算结果如图7：图73、蒙特卡洛模拟法：对2012年12月9日至2014年12月31日的数据进展测算。

测算代码如下：data=xlsread('d:chen.xls');n=size(data,1);d=data(1:n);r=price2ret(d);arf=0.025;kn=10000x=r(1:n-251);spec=garchset('R',1,'M',1,'P',1,'Q',1,'Display','off');coeff=garchfit(spec,x)y=garchsim(coeff,250,kn,60);yy=y';yyyy=sort(yy);kk=arf*kn;var1=yyyy(kk:kk,:);v1=var1';rr=r(n-250:n-1);u(1:250)=0;t=[1:250];plot(t,rr,'b-',t,v1,'r-',t,u,'g-')flag=0;bv(1)=0;for i=1:250 if rr(i)

结果如下：kn = 10000coeff = ment: 'Mean: ARMAX(1,1,0); Variance: GARCH(1,1) ' Distribution: 'Gaussian' R: 1 M: 1 VarianceModel: 'GARCH' P: 1 Q: 1 Display: 'off'flag = 0bv = 0 23 88 243 247图形如图8：图8〔2〕〔1〕置信度为97.5%，模拟次数kn=10000, 用ARMAX(1,1,0)和GARCH(2,2)模型，正态分布结果如下：kn = 10000coeff = ment: 'Mean: ARMAX(1,1,0); Variance: GARCH(1,1) ' Distribution: 'Gaussian' R: 1 M: 1 VarianceModel: 'GARCH' P: 1 Q: 1 Display: 'off'flag = 2bv = 7 88 88 243 247 图形如图9：图9〔3〕置信度为95%，模拟次数kn=10000, 用ARMAX(1,1,0)和GARCH(2,2)模型，正态分布。

结果如下：kn = 10000coeff = ment: 'Mean: ARMAX(1,1,0); Variance: GARCH(1,1) ' Distribution: 'Gaussian' R: 1 M: 1 VarianceModel: 'GARCH' P: 1 Q: 1 Display: 'off'flag = 5bv = 7 23 88 243 247 图形如图10：图10〔三〕结果的比拟分析下表是巴塞尔委员会和国际清算银行〔BCBS〕规定的惩罚区如表2：区 域超限次数扩大因子提高比例绿灯区0 - 40黄灯区56789红灯区10与以上1表2各种模型方法的超限次数比拟，如表3：保变电气 模 型置信水平95%600550参数m超限次数区域参数法直接法10红灯移动平均法1608黄灯 蒙特卡罗法5黄灯表3：回顾测试结果的分区由表可知，使用蒙特卡罗法计算金融VaR更为准确，使用性更强。

三、 实验总结通过课程开始的举例论证，了解了运用Var模型进展风险测量的重要性在实验中接触到了resset，新华08等多种数据库，并学会运用其进展数据查找，辅助进展科学研究运用excel以与matlab进展数据分析，了解其运作方式，并对用matlab对所需问题进展编程求解有一定的掌握实验中屡次提到的置信区间、置信度以与VaR等知识是专业学习中被反复提到的，既巩固了专业知识，又进展了知识的拓展实验为自己的专业拓展指明了方向。