论文部分内容阅读
VaR与CVaR模型作为当今度量金融市场风险的最有效的方法，已被国际上金融机构广泛地认可和支持。本文就根据金融数据所呈现的特点，来探讨两种模型在金融市场风险度量中的应用。 本文首先介绍了VaR模型产生的背景，以及将VaR与CVaR模型引入到证券投资基金市场中具有理论和现实的意义，并回顾了关于研究 VaR和CVaR模型的国内外现状；接着对 VaR的基本理论和计算方法进行了详细的介绍，介绍了计算VaR的三大方法：方差-协方差法、历史模拟法和蒙塔卡罗模拟法，分别介绍了它们的基本原理、计算步骤，并对它们的优缺点进行了比较，重点介绍了在三种不同分布的条件下基于GARCH模型的VaR方法，三种分布分别是正态分布、t分布和GED分布。再者，介绍了VaR方法的优缺点及CVaR方法的产生，并对CVaR的基本理论和计算方法进行详细的介绍，介绍了计算CVaR的两大方法：线性规划法、参数估计法，和含有VaR约束项的CVaR方法。 然后，本文阐述了在三种不同分布条件下基于GARCH模型的VaR方法对证券投资基金的实证分析，分析后得出如下结论：GARCH（1,1）-正态分布模型低估了样本基金的市场风险，而GARCH（1,1）-t模型则高估了样本基金的市场风险，在这三种模型中，只有GARCH（1,1）-GED模型更能很好的反映样本基金的市场风险。最后，本文阐述了含有VaR约束项的CVaR方法对证券投资基金的实证分析，并将VaR与CVaR方法进行了比较分析，发现CVaR方法未能达到预期的效果，也就是说，CVaR方法未能更真实地反映证券投资基金的市场风险。