论文摘要
近年来,金融市场的剧烈波动使得金融机构和监管当局面临着巨大的挑战。如何准确辨识、测量金融风险成为了金融机构和监管部门关注的焦点。在金融市场上,经济政策的出台、金融监管制度的变迁以及金融市场自身的完善,都会导致市场结构发生变化。为了考虑金融市场在不同状态下收益率的结构性变化,本文将表现状态转换的Markov过程引入ARCH模型。并以上证综指为样本进行实证研究,采用SW-ARCH模型并利用非参数核密度估计技术辨识了我国股市出现的大幅异常波动状态,用Kupiec的失败频率检验法对VaR的准确性检验来验证模型的有效性。同时对我国股市波动中的高波动状态(状态3)出现的原因进行了分析研究。实证结果表明SW-ARCH模型不仅能反映出不同状态状态的平均持续时间和条件方差,同时还可以反映出状态发生变化的时间点,尤其是在市场产生异常波动的时候能有效地提高波动的预测能力。导致高波动状态出现的原因多是根据证券市场的发展要求而出台的一系列政策法规(如国有股减持、QFII制度、印花税的调整等)。同时利率的波动、房地产调控政策等也会导致高波动状态的出现。在分别对利率和房地产调控政策对股市的波动影响程度进行研究时发现,利率下降会在某种程度上导致高波动状态的出现,仅直接针对房价和住房信贷的政策会在某种程度上导致高波动状态的出现,但存在一定的滞后。
论文目录
中文摘要英文摘要1 绪论1.1 研究背景和选题意义1.2 国内外现状1.2.1 金融风险的研究现状1.2.2 基于Markov 过程的ARCH 模型的研究现状1.3 研究目的和内容1.4 结构和框架2 描述金融市场波动性的几类重要模型2.1 金融时间序列的特征2.1.1 收益序列的尖峰厚尾性2.1.2 收益序列的自相关性(Autocorrelation)2.1.3 收益的杠杆效应(Leverage Effect)2.1.4 波动的集聚性(Volatility Clustering)2.1.5 波动的持续性2.1.6 波动的传导性2.2 影响金融市场波动的因素2.2.1 宏观经济因素2.2.2 利率2.2.3 涨跌停板2.2.4 期权期货交易2.2.5 投资者情绪2.3 非变结构波动模型2.3.1 GARCH 类模型2.3.2 SV 模型2.4 变结构波动模型2.4.1 分阶段建模的波动模型2.4.2 变截距的GARCH 模型2.4.3 变截距的SV 模型2.4.4 马尔科夫状态转换ARCH 模型(SW-ARCH)2.5 本章小结3 SW-ARCH 模型及其在金融 VaR 的计算3.1 SW-ARCH 模型3.1.1 模型的形式3.1.2 模型的估计方法3.2 VaR 模型3.2.1 模型的形式3.2.2 模型的估计方法3.3 本章小结4 基于 SW-ARCH 模型的中国股市的实证研究4.1 样本的选取及统计分析4.1.1 正态性分析4.1.2 自相关性分析4.1.3 集聚性分析4.2 SW-ARCH 的构建4.3 VaR 值的计算4.4 本章小结5 宏观调控等政策因素对股市的影响程度研究5.1 高波动状态出现的原因分析5.2 利率对股市的影响分析5.3 房地产调控政策的影响分析5.4 本章小结6 结论与展望致谢参考文献附录A. 作者在攻读学位期间发表的论文目录B. 作者在攻读学位期间取得的科研成果目录
相关论文文献
标签:状态转换论文; 风险价值论文; 核密度估计论文;
基于Markov过程的SW-ARCH模型及其金融VaR计算
下载Doc文档