分位数回归与风险度量及应用

论文摘要

VaR作为目前使用最为广泛的风险测度方法,不少学者在其应用方面进行了探索,旨在得出在正常的市场条件下,在给定置信水平的一个持有时间内某种风险资产的最坏损失。本文分别运用分位数回归方法和Riskmetrics方法建模,计算上海证券股票综合指数指数和深圳股票综合指数的VaR值。其中Riskmetrics方法下采用GARCH(1,2)模型,而分位数回归方法下使用自回归模型。估计出模型参数后,在置信度95%,99%下,对上证指数和深证指数分别运用上述两个模型,得出四组VaR结果,然后对结果进行Kupiec似然比检验,从而对比分位数回归方法和Riskmetrics方法在计算VaR上的优劣。结果显示两个模型都有比较好的性质。运用分位数回归技术建立的模型不但保有分位数回归技术在统计上的优势,而用其方法建立的模型也有良好的性质。诚然分位数回归技术在风险度量领域的应用有很广阔的远景,同时为风险度量开阔了新的路径。

论文目录

• 内容提要
• 第1章 引言
• 1.1 选题的目的和意义
• 1.2 研究内容及方法
• 1.3 基本思路
• 1.4 研究的创新之处
• 第2章 分位数回归技术文献综述
• 2.1 国外研究综述
• 2.2 国内研究综述
• 第3章 VaR与金融市场风险度量
• 3.1 金融市场风险分类和定义
• 3.2 金融市场风险度量技术发展和演变
• 3.3 VaR方法简述
• 3.4 VaR的主要计算方法介绍
• 第4章 Riskmetrics方法的VaR模型
• 4.1 Riskmetrics方法的基本原理与步骤
• 4.2 运用Riskmetrics方法计算指数VaR
• 4.3 Riskmetrics方法的评价
• 第5章 运用分位数回归技术计算VaR
• 5.1 分位数回归技术的基本原理和步骤
• 5.2 运用分位数回归技术计算指数VaR
• 5.3 分位数回归技术的VaR应用与评价
• 第6章 Riskmetrics方法和分位数回归方法对比分析
• 6.1 Kupiec似然比检验基本原理
• 6.2 Kupiec似然比检验结果分析
• 结论
• 参考文献
• 致谢
• 中文摘要及关键词
• 英文摘要及关键词