沪深300指数产品VaR研究

论文摘要

2005年4月8日上海证券交易所和深圳证券交易所联合发布了沪深300指数,该指数的推出促进了指数类产品的发展,包括目前已有的沪深300指数基金以及即将要开展的沪深300指数期货等等。指数产品有很大的风险,投资者和监管者需要对其风险进行分析、建模以及预测从而进行管理。本文首先对沪深300指数(399300)收益率序列进行分析,包括序列平稳性的分析、自相关性的分析、条件异方差的分析;建模,包括简单自回归(AR)模型、条件异方差(ARCH)模型、广义条件异方差(GARCH)模型;模型结果的检验,包括残差的自相关性分析、残差平方的自相关性分析;根据模型进行的对未来情况的预测,主要是条件方差的向前1步预测。从而给出了对于沪深300指数类产品收益率序列进行建模的方法和程序;其次考虑在现实情况下,投资者普遍采用投资组合的方法进行投资,因而需要采用多元序列分析的方法。本文采用了万科A股票(000002)收益率和沪深300指数收益率的二元对数收益率序列进行分析和建模。在建模的过程中,本文采用现阶段这类问题研究中常用的三类模型,分别是常相关模型、时变相关系数模型和利用楚列斯基分解方法的模型。同时根据所建立的模型进行对未来情况的预测,主要是条件方差和协方差矩阵以及相关系数的向前1步预测;最后,在前面的基础上,本文应用VaR的方法进行风险的建模、计算、回测和分析。从而给出了衡量沪深300指数产品以及包含沪深300指数产品的投资组合的风险的方法和程序。另外本文对上世纪震惊全球金融界的巴林银行破产案件进行VaR的分析。在本文的结论部分讨论了本文存在的一系列不足之处。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究的背景和目的
• 1.2 国内外文献综述
• 1.2.1 时间序列建模的研究
• 1.2.2 风险价值（Value at Risk）的研究
• 1.3 本文的研究方法
• 1.4 主要内容与创新
• 第2章 收益率的时间序列建模
• 2.1 时间序列分析的相关概念
• 2.1.1 数字特征
• 2.1.2 平稳性
• 2.1.3 自相关性
• 2.1.4 时间序列模型的建立与检验
• 2.1.5 多元时间序列
• 2.2 沪深300指数收益率的时间序列模型
• 2.2.1 数字特征
• 2.2.2 平稳性
• 2.2.3 自相关性
• 2.2.4 建模
• 2.3 含沪深300指数产品的投资组合收益率的时间序列模型
• 2.3.1 现实情况
• 2.3.2 虚拟投资组合的设定
• 2.3.3 投资组合收益率的时间序列模型
• 第3章 收益率的VaR度量
• 3.1 VaR的理论基础与技术方法
• 3.1.1 VaR模型的计算方法
• 3.1.2 VaR模型的回测
• 3.1.3 VaR模型中置信水平p和时间间隔t的选择
• 3.1.4 投资组合的VaR及VaR的分析工具
• 3.2 沪深300指数收益率的VaR度量以及回测
• 3.2.1 预测
• 3.2.2 回测
• 3.3 投资组合收益率的VaR度量及VaR工具的分析
• 第4章 案例分析
• 第5章 结论
• 参考文献
• 致谢
• 附录: 发表论文与科研项目