我国开放式股票型基金VaR市场风险度量研究

论文摘要

风险价值VaR（Value at Risk）自上个世纪九十年代诞生以来，一直受到世界各国金融机构和金融监管部门的重视，已成为金融市场风险度量的主流方法，并正向着信用风险、流动性风险等其他金融风险管理领域渗透。我国开放式基金起步较晚。2001年9月，我国第一只开放式基金“华安创新”诞生，从此我国证券投资基金业进入了快速发展的新时期。与此同时，其面临的市场风险也逐渐加大，特别是对于开放式股票型基金来说，由于其基金单位可以随时赎回，且投资领域主要为上市公司股票，而股票市场的波动又是剧烈的，因此市场风险管理就显得尤为重要。本文首先总结了我国开放式股票型基金风险度量方法，接着对VaR理论和GARCH模型做了详细阐述。VaR理论部分主要介绍了VaR的概念、计算原理和计算方法（参数方法、历史模拟法和蒙特卡罗模拟法）以及VaR模型检验方法（Kupiec失败率检验）。针对基金收益波动聚集性的特点，分别介绍了GARCH、GARCH-M、TARCH、EGARCH和PARCH模型。以期通过GARCH模型来描述收益序列的波动聚集性，进而计算VaR。实证分析部分首先对样本基金进行统计描述，得出其收益序列均存在尖峰厚尾特征，不服从正态分布，因此有必要在下面的VaR计算中加入T分布和GED分布来捕捉这种尖峰厚尾特征；并且经ARCH检验后得出收益序列存在明显的波动聚集性的特征，因此可以选择GARCH类模型来描述这种特性，经过模型筛选，得出最适合我国开放式股票型基金的收益波动性模型为GARCH（1，1）模型。然后，在正态分布、T分布和GED分布的假设下，基于GARCH（1，1）模型，分别选择95％和99％置信水平，利用参数方法和蒙特卡罗模拟方法对四只样本基金进行VaR计算，并进行了模型的失败率检验，同时比较分析了参数方法和蒙特卡罗模拟方法在我国开放式股票型基金VaR市场风险度量中的优劣，最后得出本文的主要结论：对于我国开放式股票型基金的VaR市场风险度量来说，应选取GARCH类模型（不同的基金可能会适合不同的GARCH模型）作为波动率模型来描述收益波动的聚集性，假设收益残差服从T分布来捕捉收益序列的尖峰厚尾特性。在计算VaR时，若选择较低置信水平，则可以尝试使用蒙特卡罗模拟方法；若选择较高置信水平，则选择参数方法能取得相对较好的效果。

论文目录

• 摘要
• ABSTRACT
• 第1章 导论
• 1.1 选题背景及现实意义
• 1.2 国内外VaR研究现状与发展趋势
• 1.3 本文研究的主要内容与结构安排
• 第2章 开放式股票型基金风险度量方法概览
• 2.1 证券投资基金的含义及分类
• 2.1.1 证券投资基金含义
• 2.1.2 证券投资基金分类
• 2.2 开放式股票型基金风险分析
• 2.3 开放式股票型基金风险度量方法
• p'>2.3.1 收益率标准差σ_p
• 2.3.2 β系数
• 2'>2.3.3 决定系数R²
• 2.3.4 风险价值VaR
• 第3章 风险价值（VaR）理论分析
• 3.1 简要说明
• 3.2 风险价值VaR内涵及其延伸指标
• 3.2.1 风险价值VaR内涵
• 3.2.2 VaR延伸指标
• 3.3 风险价值VaR计算方法
• 3.3.1 VaR计算的基本原理
• 3.3.2 VaR计算理论基础
• 3.3.3 VaR参数方法
• 3.3.4 VaR历史模拟法
• 3.3.5 VaR蒙特卡罗模拟法
• 3.4 VaR检验—失败频率检验
• 第4章 GARCH类模型评介
• 4.1 GARCH模型
• 4.2 GARCH-M模型
• 4.3 GARCH模型的非对称形式
• 4.3.1 TARCH模型
• 4.3.2 EGARCH模型
• 4.3.3 PARCH模型
• 4.4 基于GARCH类模型，VaR计算原理
• 4.4.1 基于GARCH模型，参数方法计算VaR原理
• 4.4.2 基于GARCH模型，蒙特卡罗模拟计算VaR原理
• 第5章 实证分析:我国开放式股票型基金的VaR计算与分析
• 5.1 样本描述与假设检验
• 5.1.1 样本及数据选取
• 5.1.2 正态性检验
• 5.1.3 序列平稳性检验
• 5.1.4 序列相关性检验
• 5.1.5 异方差检验
• 5.2 基于GARCH类模型应用参数方法计算VaR
• 5.2.1 模型选择
• 5.2.2 在三种分布假设下，基于GARCH（1，1）模型，计算VaR
• 5.2.3 参数VaR模型检验
• 5.3 基于GARCH（1，1）模型，应用蒙特卡罗模拟计算VaR
• 5.3.1 MC VaR计算
• 5.3.2 MC VaR模型检验
• 5.3.3 VaR参数方法与蒙特卡罗模拟方法比较
• 第6章 结论
• 附录
• 附录1
• 附录2
• 附录3
• 参考文献
• 后记