金融时间序列的半参数分析及风险度量

论文摘要

在金融市场中,金融资产价格波动是否剧烈决定着资产所存在风险的大小,因此预测金融时间序列的波动率已成为金融领域理论上和实证上的热门话题。首先本文选用参数模型（基于正态分布和T分布的ARCH模型、GARCH模型、EGARCH模型、TGARCH模型以及基于正态分布的GARCH-M模型）和非参数方法（核密度估计、局部多项式估计、样条函数逼近）对上证指数收益率序列的波动率进行了拟合和预测,在样本内选择收益率的平方作为真实波动率,在样本外选择5min高频数据作为真实波动率。引入四种误差度量指标,利用模型拟合预测的波动率与真实波动率进行比较,得出结论：样本内,样条函数逼近方法拟合波动率效果最优；样本外,T-EGARCH模型表现最优,可加模型表现仅次于T-EGARCH模型。利用以上参数模型及非参数方法估计预测的波动率,运用VaR方法对资产或投资组合的风险进行了风险度量。在给定的置信水平下,分别在样本内和样本外对上证指数的风险价值进行估计和预测,并与真实值进行比较,计算出估计预测失败个数,通过库比克失败率检验得出结论。实证结果表明：在样本内,收益率服从t-分布的参数模型拟合效果优于服从正态分布的拟合效果,非参数模型拟合效果优于参数模型拟合效果；样本外,非参数可加模型预测效果最好。通过实证分析,本文最终得出结论：半参数可加模型更适合描述所选取的金融数据的特征,它可作为参数模型的一种补充,对金融数据的预测和风险度量问题的研究提供一个有力的研究工具。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 研究方法介绍
• 第二章 模型介绍
• 2.1 参数模型
• 2.1.1 ARCH模型
• 2.1.2 GARCH模型
• 2.1.3 GARCH-M模型
• 2.1.4 EGARCH模型
• 2.1.5 TGARCH模型
• 2.2 半参数模型
• 2.2.1 核密度估计
• 2.2.2 局部多项式估计
• 2.2.3 样条插值方法
• 2.2.4 半参数可加模型
• 第三章 VaR的介绍及应用
• 3.1 参数VaR
• 3.1.1 VaR的介绍
• 3.1.2 VaR的计算
• 3.2 半参数VaR的介绍
• 3.3 VaR的检验方法
• 第四章 实际算例
• 4.1 拟合波动率的比较
• 4.1.1 参数方法拟合结果比较
• 4.1.2 半参数方法的拟合比较
• 4.2 预测波动率的结果比较
• 4.3 VaR计算结果的比较
• 4.3.1 VaR样本内的比较
• 4.3.2 样本外VaR的比较
• 4.4 半参数VaR的计算
• 第五章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 致谢
• 研究成果及发表的学术论文
• 作者和导师简介
• 硕士研究生学位论文答辩委员会决议书