动态极值VaR测试的准确性及VaR因果关系研究

动态极值VaR测试的准确性及VaR因果关系研究

论文摘要

金融市场在经济发展中居于十分重要的地位,扮演着重要的角色,从而使金融市场成为经济管理者以及学术界研究的重要对象。一旦金融市场出现重大风险,就会给整个经济带来重大影响,甚至可能会引发经济危机,引起社会动荡。因此,研究金融市场的风险管理就成为政府金融市场管理当局、广大金融资产投资者及学术界关心研究的重点。金融市场风险管理的重点之一就是要找到一个准确可靠的测度计量模型。本文针对现有的大多数风险测度方法存在的不足,尤其是目前的风险测度方法没有考虑到小概率、大损失的极端事件所引发的风险的现状,运用极值理论(Extreme Value Theory,EVT)构造金融市场风险测度计量模型。由于金融市场存在自相关性、波动集聚性和杠杆效应等部分典型事实,本文基于这些典型事件,结合ARMA(1,1)与GARCH(1,1)和GJR(1,1)模型构造出独立同分布特征的标准残差序列,选择最大10%的标准残差序列值,运用EVT对其进行建模,并结合随机过程测度出动态极值VaR,然后运用Back-testing方法检验风险VaR测度计量模型的准确性。研究结果表明,基于EVT的金融市场动态风险VaR测度方法能够有效测度出中国大陆金融市场的风险。本文将基于EVT的极值VaR测度方法与其它常用VaR测度方法对沪深股市、上证A、B股市场进行实证,找到了所运用的模型中测度中国大陆沪深股市、上证A、B股市场动态极值VaR的最优模型,即最能准确测度沪市市场风险的模型是置信水平为99.5%时的条件EVT-GARCH模型,最能准确测度深市市场风险的模型是置信水平为97.5%时的条件EVT-GJR模型,置信水平为99%的条件EVT和置信水平为95%的条件t分布模型,分别是测度上证A、B股的市场风险效果最好的模型。这个结果为金融风险管理者准确测度市场风险在模型与置信水平的选择上提供了实证依据。根据标度理论,对日、周标度损失序列,运用基于EVT的极值VaR测度计量模型并对其进行了适当的改进,分别测度出中国沪市及部分国际股市的日、周动态极值VaR,然后实证考察动态极值VaR测度模型准确性的日、周标度的不变性特征,实证结果表明,并非所有的测度模型具有标度不变性特征。针对广大金融投资者往往是采用多个资产而非单一资产投资进行资产组合投资的,本文运用EVT与多元GARCH模型构造出测度金融资产组合的市场动态极值VaR的计量模型。本文将上证综指、深证成指作为一种特殊的单一资产,然后以上证综指、深证成指两个特殊单一资产等权重构造一个二元资产组合为研究对象,实证分析动态极值VaR计量模型测度的准确性。实证结果表明,本文的风险测度计量模型能够准确测度资产组合的动态极值VaR。此外,经济的发展,全球经济一体化趋势促使不同市场经济具有时变相关性。于是,本文运用Granger-Causality检验方法实证研究了中国大陆沪深股市、中国股市与部分国际股市以及上海伦敦铜期货市场动态极值VaR的因果关系效应。结果表明,中国大陆沪、深股市的风险VaR具有因果关系效应;中国股市与部分国际股市不存在VaR因果关系效应;上海伦敦铜期货市场的动态极值VaR存在因果关系效应。这为金融风险管理者进行风险管理与控制增加了另外一道“保险”。结合本文的实证结果与中国金融市场的实际,本文认为,要努力建设与时俱进的金融市场制度、建立多层次的金融市场体系、强化金融市场的风险监管力度、强化货币房地产金融市场的风险运行、加强上市公司品质建设以及推动与国际金融市场的融合等,努力促进金融市场的繁荣,控制金融市场风险,不断提高金融市场的抗风险能力,进而推动整个中国经济的发展。

论文目录

  • 摘要
  • Abstract
  • 目录
  • 第1章 绪论
  • 1.1 金融学理论发展概述
  • 1.2 金融风险管理概述
  • 1.2.1 金融风险管理理论概述
  • 1.2.2 金融风险测度的VaR法
  • 1.2.3 VaR风险测度方法面临的挑战
  • 1.3 基于极值理论的动态VaR测度方法概述
  • 1.4 金融市场动态极值VaR因果关系效应研究的重要性
  • 1.5 基于EVT的金融风险测度与因果关系效应研究现状
  • 1.6 本文研究的主要问题
  • 1.7 本论文的创新性
  • 1.8 本文的逻辑结构安排
  • 第2章 金融市场动态极值VaR测度与准确性
  • 2.1 极值理论主要模型
  • 2.1.1 极值分布的渐近模型及其参数估计方法
  • 2.1.2 广义极值分布(Generalized Extreme Value Distribution,GEV)
  • 2.1.3 GEV分布的极值参数估计
  • 2.1.3.1 极大似然估计(Maximum Likelihood Estimate,MLE)方法
  • 2.1.3.2 Pickands估计
  • 2.1.3.3 Hill估计
  • 2.1.3.4 矩估计
  • 2.1.3.5 核估计
  • 2.1.4 极值分布的POT模型
  • 2.2 J.P.摩根的VaR的计算及其特征
  • 2.3 常见的金融时间序列特征分析概述
  • 2.3.1 常用的几种金融时间序列描述性统计量介绍
  • 2.3.2 独立同分布序列或近似独立同分布序列的认定方法
  • 2.3.3 时间序列自回归分析模型
  • 2.3.4 金融时间序列波动性分析的GARCH和GJR模型
  • 2.4 基于极值理论的金融市场动态VaR测度方法
  • 2.4.1 金融资产损失序列的构造
  • 2.4.2 基于随机波动过程的动态风险测度模型
  • 2.4.3(近似)独立同分布新生变量序列的构造
  • 2.4.4 基于EVT的独立同分布序列极值尾部建模
  • 2.4.5 门槛值的选择的重要性及其选择方法
  • 2.4.6 GPD参数估计方法
  • q估计'>2.4.7 标准残差序列的q分位数值Zq估计
  • 2.4.8 条件与非条件的动态极值VaR的计算
  • 2.5 基于极值理论的金融风险测度准确性研究
  • 2.5.1 风险测度计量模型准确性的失败比率检验方法
  • 2.5.2 风险测度计量模型准确性的Back-Testing检验方法
  • 2.5.2.1 非条件涵盖检验(Unconditional Coverage Testing)
  • 2.5.2.2 独立性检验(Independence Testing)
  • 2.5.2.3 条件涵盖检验(Conditional Coverage Testing)
  • 2.6 运用Back-Testing考察风险测度模型准确性的时间标度不变性
  • 2.6.1 时间标度及其不变性特征
  • 2.6.2 风险模型测度准确性的时间标度不变性特征
  • 2.7 本章小结
  • 第3章 金融市场动态极值VaR测度准确性的实证研究
  • 3.1 金融市场动态极值VaR测度准确性实证研究的现实意义
  • 3.2 样本选择的依据
  • 3.3 实证结果与分析
  • 3.3.1 沪深股市动态极值VaR测度
  • 3.3.2 上海伦敦铜期货市场动态极值VaR测度的实证研究
  • 3.3.3 部分国际股市动态极值风险测度的实证
  • 3.3.4 上证A、B股市场动态极值VaR测度实证
  • 3.4 金融市场动态极值VaR测度准确性的时间标度不变性
  • 3.5 本章小结
  • 第4章 资产组合动态极值VaR测度及其准确性
  • 4.1 问题的提出
  • 4.2 金融资产组合动态极值风险VaR测度的计量模型
  • 4.2.1 资产组合条件损失序列
  • 4.2.2 资产组合的动态极值风险VaR测度基本方法
  • 4.2.3 基于多元GARCH模型的时变相关系数和协方差估计
  • 4.2.4 基于标准残差序列与EVT的风险测度
  • 4.3 实证结果
  • 4.3.1 样本数据
  • 4.3.2 资产组合损失序列特征
  • 4.3.3 BEKK二元GARCH参数估计结果
  • 4.3.4 标准残差序列的统计特征分析
  • 4.3.5 基于EVT的资产组合风险测度
  • 4.3.6 风险测度计量模型的准确性检验
  • 4.4 本章小结
  • 第5章 金融市场动态极值VaR因果关系效应研究
  • 5.1 问题的提出
  • 5.2 金融市场动态极值VaR因果效应研究方法
  • 5.3 实证结果
  • 5.3.1 中国大陆沪深股市动态极值VaR因果关系效应实证研究
  • 5.3.2 中国大陆股市与部分国际市场动态极值VaR因果关系效应的实证研究
  • 5.3.3 上海伦敦铜期货市场动态极值VaR因果关系效应实证研究
  • 5.4 本章小结
  • 第6章 基于风险管理的中国金融市场发展建议
  • 6.1 强化金融市场制度建设
  • 6.2 开辟多层次的市场体系
  • 6.3 强化市场风险监管力度
  • 6.4 强化对货币与房地产金融市场的风险管理
  • 6.5 提高上市公司的品质
  • 6.6 推动中国与国际金融市场的融合
  • 结论
  • 致谢
  • 参考文献
  • 攻读博士学位期间所发表论文、著作及科研情况
  • 攻读博士学位期间参加的科研项目
  • 相关论文文献

    • [1].基于VAR模型的人民币汇率与通货膨胀关系研究[J]. 科技风 2020(05)
    • [2].非洲猪瘟疫情下我国生猪产业价格传导机制研究——基于VAR模型的实证分析[J]. 价格月刊 2020(03)
    • [3].人民币汇率变动对山东省烟台市农产品进出口贸易的影响——基于VAR模型的实证分析[J]. 中国市场 2020(07)
    • [4].汇率波动与我国外商直接投资的关系——基于VAR模型[J]. 区域治理 2019(48)
    • [5].钛合金VAR过程中自然对流下的宏观偏析行为模拟[J]. 稀有金属材料与工程 2020(03)
    • [6].基于VAR模型的旅游业发展、劳动力转移与贫困减缓关系研究[J]. 生态经济 2020(04)
    • [7].基于VAR模型的农地流转制度变迁的绩效分析——以山东枣庄为例[J]. 中国农业资源与区划 2020(02)
    • [8].我国国防支出对经济增长的影响研究——基于VAR模型[J]. 现代商业 2020(10)
    • [9].城镇化率差异对新市民与城镇职工收入差距研究——基于VAR模型[J]. 西北大学学报(哲学社会科学版) 2020(03)
    • [10].基于VaR预测的历史模拟法与蒙特卡洛模拟法的比较[J]. 计算机产品与流通 2020(08)
    • [11].投资者情绪对房价影响的研究——基于VAR模型的实证分析[J]. 生产力研究 2020(06)
    • [12].国标视角下基于VaR理论的《金融风险管理》课程体系改革探索[J]. 知识经济 2020(19)
    • [13].从研发支出的投入看我国科技成果转化现状——基于VAR模型[J]. 上海商业 2020(07)
    • [14].城镇化对城镇居民人均可支配收入的影响——基于VAR模型分析[J]. 广西质量监督导报 2020(07)
    • [15].科技服务业发展、区域创新能力与经济增长——基于VAR模型分析[J]. 沈阳师范大学学报(社会科学版) 2020(05)
    • [16].山西省煤炭价格对煤炭产量和财政税收影响度研究——基于VAR模型的实证分析[J]. 山西财税 2020(07)
    • [17].中国旅游业和科技服务业融合互动关系研究——基于VAR模型的实证分析[J]. 环渤海经济瞭望 2020(08)
    • [18].央行支付系统资金流量与宏观经济的动态关系研究——基于VAR模型的实证分析[J]. 金融发展评论 2019(03)
    • [19].表外业务对货币政策传导机制有效性的影响研究——基于VAR模型的实证分析[J]. 时代金融 2019(29)
    • [20].地方债加速器存在吗?——基于面板VAR模型的实证检验[J]. 经济经纬 2019(06)
    • [21].中国离婚率的影响因素分析与预测——基于VAR模型和聚类分析的研究[J]. 山东师范大学学报(自然科学版) 2016(04)
    • [22].人口老龄化对经济增长影响的动态分析——基于面板VAR模型的实证分析[J]. 经济与管理 2017(01)
    • [23].基于VAR模型的影子银行对货币政策的影响分析[J]. 新经济 2016(36)
    • [24].基于VAR模型的水资源利用与经济增长关系研究[J]. 江西农业学报 2017(02)
    • [25].基于VAR模型的我国存贷款利差与房地产开发投资影响分析[J]. 产业与科技论坛 2016(24)
    • [26].我国保险密度影响因素实证研究——基于VAR模型[J]. 财政科学 2017(02)
    • [27].湖北省人口、经济与环境质量的关联分析——基于VAR模型的实证检验[J]. 当代经济 2017(12)
    • [28].基于VAR模型技术创新能力影响因素实证分析[J]. 中国市场 2017(10)
    • [29].VaR在商业银行信用风险管理中的应用[J]. 中国市场 2017(06)
    • [30].基于VAR模型的我国人民币汇率影响因素分析[J]. 西部经济管理论坛 2017(02)

    标签:;  ;  ;  ;  ;  ;  

    动态极值VaR测试的准确性及VaR因果关系研究
    下载Doc文档

    猜你喜欢