基于GARCH模型的股票風險度量研究.pdf

1、經(jīng)過近20年的發(fā)展，我國證券市場已形成了與我國經(jīng)濟發(fā)展相適應的特色道路，規(guī)模不斷擴大，上市公司數(shù)量不斷增加，投資者積極性不斷提高，制度性建設日趨完善。但股票市場在諸多方面的不完善性仍較為明顯。尤其是從2008年開始的下滑行情造成了重大的負面影響、損害了投資這的利益。所以證券市場的風險度量成為金融市場管理的焦點，風險度量逐漸成為金融市場風險管理的核心，同時，這些也對風險度量提出了挑戰(zhàn)，需要更加適合的模型方法來處理這些情況。目前，度量風險比

2、較流行的方法是VAR方法。VAR不但可以對未來的情景進行估計，而且僅用單一數(shù)字即可表征一個組合或者一家金融機構(gòu)在一段時期內(nèi)所面臨的市場風險。實際的資產(chǎn)收益分布具有尖峰后尾特征，在正態(tài)分布條件下的VAR估計將導致VAR測度產(chǎn)生低估風險。
　　 基于GARCH（廣義自回歸條件異方差）模型是由Tim Bollerslev在ARCH模型的基礎上提出來的。GARCH模型描述了股市收益率序列的自相關(guān)性，具有反映市場時變的特征，能比較好的描述

3、金融市場的動態(tài)性和復雜性。本文分為4章來探討GARCH模型的股票風險度量。
　　 第1章為緒論。本章首先闡述了論文研究的背景以及研究現(xiàn)狀，提出了本文研究的主要問題，并指明了研究的目的及以及，最后對論文的結(jié)構(gòu)進行了安排。通過對金融風險理論方面文獻的全面回顧，了解目前的主要風險度量方式，并且對金融風險、金融風險管理和風險價值等問題進行了闡述，并指出LARCH模型是本文的研究重點。
　　 第2章概述了VAR方法的基本原理，包括

4、VAR的定義，VAR的計算公式和一般計算步驟。接著對VAR的不同基本方法進行了闡述，以及對GARCH類模型：自回歸條件異方差模型(ARCH模型)，指數(shù)GARCH模型(EGARCH)，PowerARCH模型(PARCH)，均值自回歸條件異方差模型(GARCH-M模型)，VAR與GARCH類模型的用途做了詳細的分析。簡而言之，本章既是對VAR方法與GARCH類模型的討論，為后面章節(jié)的實證分析提供理論的依據(jù)和指導。在下章中將根據(jù)本章所介紹的各

5、種計算VAR的方法和GARCH類模型對我國股票市場的風險進行度量和檢驗。
　　 第3章上是本文的重點，通過對上海證券交易所股票風險度量的實證分析，滬，通過劉一滬巾一段時期內(nèi)的收益率序列進行檢驗，得到收益率殘差序列滿足ARCH效應，所以GARCH模型非常適合VaR計算的波動性的估計?；?種不同分布（t分布和GED分布）假定下，討論GARCH類模型的VAR計算，并從實際數(shù)據(jù)出發(fā)計算了滬巾2005年1月31日到2009年12月31日

6、平均一天期的VAR值，據(jù)此定量測量股票巾場風險，這可以為股票投資機構(gòu)的風險管理及一般股票投資者的投資風險分析提供依據(jù)。通過對深股市市場風險度量的模型選擇與比較，分別采用等權(quán)移動平均方法、指數(shù)加權(quán)移動平均方法、GARCH(1，1)方法、GARCH(1，1)-t方法和Pareto型極值分布方法計算上海和深圳股票日收益率的VAR。向后檢驗表明，Pareto型極值分布方法比其他方法更能準確地反映我國股市的風險。
　　 第4章總結(jié)了基于G