基于Markov过程的SW-ARCH模型及其金融VaR计算

基于Markov过程的SW-ARCH模型及其金融VaR计算

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:;  ;  ;  

    基于Markov过程的SW-ARCH模型及其金融VaR计算
    下载Doc文档

    猜你喜欢