基于近年股市波动的风险测度实证研究.pdf

西南交通大学硕士研究生学位论文第1 I I 页a c c u r a c yi nr e s e r v i n gr i s kc a p i t a l ．K e y w o r d ：f i n a n c i a lm a r k e t ；r i s kc a p i t a lr e s o l v e ；u n u s u a lf l u c t u a t i o n s ；E S西南交通大学硕士研究生学位论文第Ⅳ页目录摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．IA b s t r a c t ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．I I第1 章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．11 ．1 本文研究背景和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．11 ．2 ．1 本文研究的主要内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．21 ．2 ．2 本文写作思路⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．31 ．3 本文用到的研究方法及实现工具⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯4第2 章．金融资产风险测度相关理论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯52 ．1V 状及E S 相关知识⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．52 ．1 ．1 单一资产情况下的V a R 及E S ⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯52 ．1 ．2 资产组合情况下V a R 、E S 的求解⋯⋯⋯⋯⋯⋯⋯⋯⋯72 ．2 单一资产损益序列均值、方差的测量⋯⋯⋯⋯⋯⋯⋯⋯⋯．．82 ．2 ．1 金融时间序列分析的演化⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．82 ．2 ．2 新息序列的获取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．1 02 ．3 极值理论的简要介绍⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1 32 ．3 ．1 分块样本极大值模型B M M ⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．1 32 ．3 ．2 超阈值分布模型P O T ⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1 52 ．4 资产组合联合分布函数的构建⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．1 72 ．4 ．1C o p u l a 函数的定义和性质⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．1 82 ．4 ．2C o p u l a 函数的简单分类⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．1 92 ．4 ．3C o p u l a 函数构建资产组合间的相关关系⋯⋯⋯⋯⋯⋯⋯2 02 ．5 关于测度模型有效性的检验⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2 22 ．6 本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．2 3第3 章单资产Y a R 、E S 实证模型的建立⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．2 53 ．1 运用A l 蝴A —G J R 模型对U f + 1 和磊+ 1 进行估计⋯⋯⋯⋯⋯⋯．2 53 ．2E V T 理论对新息序列尾部建模⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2 6西南交通大学硕士研究生学位论文第V 页3 ．2 ．1 “的选取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．2 73 ．2 ．2G P D 参数占、夕估计及V a R ．的求取⋯⋯⋯⋯⋯⋯⋯⋯2 73 ．3 模型测度有效性检验⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2 8第4 章实证结果及分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯3 04 ．1 金融时间序列选取及其损益特征分析⋯⋯⋯⋯⋯⋯⋯⋯⋯．3 04 ．1 ．1 样本的选取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯3 04 ．1 ．2 金融时间损益序列特征描述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．3 04 ．2A R M A ．G J R 模型参数估计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．3 24 ．3 新息序列特征描述及基于E V T 的尾部拟合⋯⋯⋯⋯⋯⋯⋯．．3 34 ．3 ．1 新息序列特征描述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯3 34 ．3 ．2 尾部阈值的求取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．3 54 ．3 ．3 确定阈值基础上G P D 参数估计及拟合⋯⋯⋯⋯⋯⋯⋯．3 64 ．4 金融损益序列动态V a R 及E S 测度⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯3 74 ．5 动态风险测度有效性分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．3 8结论与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯4 0致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．‘⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．4 2参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．4 3附录：部分R 程序代码及结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．4 7西南交通大学硕士研究生学位论文第1 页第1 章绪论’ 1 ．1 本文研究背景和意义自信息化时代来临的几十个年头内，国际金融市场因新技术的应用而处于空前发展阶段。

伴随金融全球化进程的加速，在金融工程、金融理论的推动下，金融市场内充斥着大量虚拟资本人们在对资本收益的追求过程中，金融市场的风险逐渐暴露经济学中的风险可以理解为未来收益的不确定性，高风险伴随着高收益，因此，投机者和套利者们因对资本收益的追求便进入金融市场，市场内充满风险加之国际金融环境的不稳定及国内政策的变化，金融市场内的风险程度变得更加深不可测计算机技术的应用极大便利了人们在金融市场的交易活动，同时也加快了风险发生的节奏，有研究显示，近几十年来，金融市场的波动变得更加异常，譬如作为投机者的奥兰治县，出于对衍生产品的盲目，于1 9 9 4 年损失1 7 亿美元，对美国股市影响巨大；始于泰国的东南亚金融危机，给亚洲“四小龙”国家沉重的打击，同时将整个亚洲地区的经济带入了低谷；此外，发生于一国内一部的恐怖袭击事件等对世界政治影响巨大的事件也会给金融市场带来致命波动改革开放前的中国，计划经济体制显然保护了国内经济，但也造成效率的低下，自改革开放以来，国内市场逐渐放开，巨额资金的注入使得国内金融市场面临机遇和挑战然而，我国金融市场尚处于初级阶段，不成熟的机制对风险的冲击并不具备足够的防御能力最为典型的例子是2 0 0 8 年l O 月份“雷曼兄弟“ 破产对我国股市的影响，沪指于1 0 月1 6 日跌破2 0 0 0 点，1 7 日更是在1 9 0 0 点的边缘徘徊。

此外，其对中国经济的负面影响也尤为显著，在短期和中期内，金融界资金萎缩，中国的对外融资明显减少，黄金、原油及大宗商品的价格也在急剧下跌为维护国内经济稳定，防御国内外金融波动的影响，一个适合本国的风险测量体系的建立应是政策制定者和风险管理者的当务之急，以防患于未然文章则针对国内金融市场( 股票市场) 的波动，以近几年数据实证分析了已有风险测度方法的有效与否，因此，本文的研究具有以下实际意义：西南交通大学硕士研究生学位论文第2 页1 、强化风险识别能力强有力的风险测度工具不仅具有稳定的对以前数据分析功能，还可在结合已发生事件的基础上归纳、总结原有事件的特点及分布情况，并能预测未来事件在一定置信水平下发生的可能性对风险管理者来说，有力的预测模型可使其做好应对风险的准备，增强风险识别能力2 、提升风险测度精度针对以往有效市场假说的正态分布不合理性，引入条件在险价值为研究对象，并对条件损益序列的尾部进行建模，采用极值理论( E V T ) 对V a R 和E S 进行分析，体现对极端数据有整体描述的E S 方法的有效风险测度手段，克服了以往理论的缺陷，提供更精确的风险测度方法3 、增强风险控制效果。

在强化风险识别能力及提升风险测度精度的基础上，模型所得结果将使决策者更为有效的控制风险，满足预留准备金要求对于比较成熟的V a R 法，其不完备的理论使得它对具有异常波动的市场不具备完全描述的能力，因此，在实际应用中也大受限制在极值理论基础上的E S 方法将超阈值的数据整体包括在内，得出的结果符合时间序列波动的一般规律，增强风险控制效果4 、优化资源配置作为经济风险集中体现的金融风险的波动，其表现出的信息不对称和不完全使收益不能很好的确定，因此，金融领域存在赢利和亏损为控制经济体本身的波动，金融风险的管理应成为当务之急，通过有效模型来对风险进行识别、计量、决策与监控，才能使得测度结果具有更好的说服力和精确度，为金融资产价格的正确定位提供理论基础而有效、合理的价格则是资金稀缺性的体现，对金融资产有优化资源配置的作用纵观全文，文章对金融时间序列波动测度模型进行了描述，并将最能反映数据极端分布的极值理论包括在内，在超阈值水平上对风险进行预测该方法不仅在单资产风险测度理论方面是一种创新，更为以后具有异常波动的金融时间序列分析提供实证可能，它将是未成熟金融市场经济预测和风险测度的有效方法1 ．2 本文研究的主要内容及写作思路1 ．2 ．1 本文研究的主要内容在对金融风险的分析过程中，文章着重考虑了时间序列的厚尾及不对称特性，采用适当的方法对时间序列进行建模，得到风险值。

对时间损益序列建模在对时间序列尾部进行建模的同时，考虑到数据有限的特点，采用P O T 模型中的G P D 分布来拟合新息序列尾部尾部建模之前充分考虑到文献中关于G P D 分布阈值的选择，根据超阈值条件均值函数线性的特点来拟合阈值，从而为G P D 分布的使用提供有效的阈值在利用M L E 法求取G P D 分布的尺度参数和形状参数后，根据所确定的置信水平来求取V a R 和E S 值根据动态V a R 和E S 值及损益t + 1 天实际值的大小可确定模型测度的失败率，将失败率同所选定的置信水平进行比较，则可用来确定模型测度的有效性由于文章采用近几年有异常波动的上证时间序列，因此，可以将V a R 和E S 法进行比较，比较该两组值的优劣，并将其同相关理论进行比较，进行有力的实证1 ．2 ．2 本文写作思路当金融损益序列服从厚尾分布时，传统正态假设不能满足风险测量的要求，且已有研究中关于金融时间序列特征的分析对传统假设也进行了否定，因此文章从以下方面来安排文章的结构，具体如下t第一章，绪论从近期剧烈的金融市场波动出发，讨论到其对国际及国内金融的影响( 主要涉及到对国内证券市场的影响) ，并以此作为文章研究的背景。

此外，文章还给出了本文的研究意义及写作的主要思路第二章，金融资产风险测度相关理论将第一章国内外文献分析放到该章，主要考虑到根据模型发展的顺序讨论研究方法的发展采用倒叙的方法讨论求取时间序列V a R 和E S 所需的变量，考虑到金融时间序列非I I D 特点，找到新息序列采用E v T 对新息序列尾部进行建模分析，并且根据国内外相关文献讨论阈值U 的选取规则最后，鉴于现行对组合资产的偏好，文章又对组合资产的特点进行分析，考虑到金融时间序列尾部相关性特点引进C o p u l a 函数来拟合资产组合的风险值第三章，单资产V a R 、E S 实证模型的建立本章从建模方法上对第二章进西南交通大学硕士研究生学位论文第4 页行总结，选取适合本文研究的方法具体为对时间序列波动模拟的A R M A - - - G J R方法、新息序列的求取方法、G P D 阈值的选取方法、V a R 和E S 的求取方法及模型有效性检验的失败率方法第四章，在以上章节的基础上对上证综指近1 0 年的时间损益序列数据进行建模分析，在一定置信水平上得到反映风险的V a R 和E S 值，并在失败率检验下判断该风险测度方法对现今处于初级阶段的中国金融( 股票) 市场的有效性。

第五章为结论部分，主要针对本文的研究方法提出一些可能的结论及指出文章的不足此外，文章还对现阶段比较流行的资产组合风险测度方法进行一定的描述，具体为对C o p u l a 函数进行理论和方法上的阐述1 ．3 本文用到的研究方法及实现工具从文章理论部分来看，本文的研究主要涉及对时间序列波动性及E V T 对厚尾的描述，因此，我们采用G J R 来刻画时间序列的异方差和杠杆效应特征，并采用G P D 理论来拟合新息序列尾部分布( 前提：新息序列服从1 1 1 3 特征) ；在求G P D 形状参数和尺度参数时用到极大似然估计法；作为文章最大的特点，采用条件在险价值与在险价值的比较来确定不成熟市场的风险测度有效性时，文章还引入失败率概念，检验测度模型的有效性基于以上理论及方法的应用，在实际操作中，文章采用E V i e w s 5 。