论文部分内容阅读
VaR是1994年摩根银行提出来的,衡量一定置信水平下损失的最大可能,目前仍然是计算风险的主流方法,各大机构纷纷采用VaR来测量和管理其风险,VaR在风险测量管理方面的巨大优点也受到了业界的肯定,得到了极其普遍的应用。分位数回归是计算VaR方法中半参数的一种方法,Koenker Roger (1978)提出了分位数回归quantile regression, QR)的方法来求解损失函数期望最优化问题。自此之后大量的学者对此进行了研究,各种QR模型相继产生,其中条件自回归分位数模型(CAViaR)是分位数回归的一个里程碑,应用最广,且其建模突破了一般的思想,直接对VaR本身构建模型。CAViaR是2004年被Engle和Manganelli (2004)提出来的,不需要对尾部的分布进行估计,不需要假定回报的分布形式,用数学优化方法,直接计算VaR,这种方法自提出后得到了极大的发展,成为了分位数回归的一个极其的重要方法,本文也是探讨了这种方法的进一步改进和应用。Kuester (2006)在Engle和Manganelli (2004) CAViaR模型中的IG模型基础上提出了AR-GARCH模型,Julia (2012)又在Kuester (2006) AR-GARCH模型基础上提出了AR-TGARCH模型,本文在Julia (2012) AR-TGARCH模型基础上进一步改进,引入Richard(2012)和陈磊(2012)以及Cathy (2012)的门限函数思想提出了新的模型门限I-AR-TGARCH模型,门限II-AR-TGARCH模型,常数-AR-TGARCH模型,常数-门限I-AR-TGARCH模型,常数-门限II-AR-TGARCH模型,对我国台湾加权指数,上证指数,深圳成指和中小板指数进行实证分析,并用DQ检验,RQ值和LR统计量来比较各个模型的优劣。研究结果表明不论是哪个模型,这四个指数风险均受到了滞后风险的影响,且深圳成指和中小板指数所受到的影响较小。综合DQ检验,RQ值以及LR统计量检验可知,IG和AR-TGARCH模型最差,其中AR-TGARCH模型又优于IG模型,本文提出的门限I-AR-TGARCH模型、门限II-AR-TGARCH模型和常数-AR-TGARCH模型,常数-门限I-AR-TGARCH模型和常数-门限ⅠI-AR-TGARCH模型均优于IG模型和AR-TGARCH模型,且其中门限Ⅱ-AR-TGARCH模型,常数-门限I-AR-TGARCH模型,常数-门限II-AR-TGARCH模型全部通过了DQ检验,RQ值以及LR统计量检验,优于其他模型,且常数-门限II-AR-TGARCH模型最好,门限Ⅱ-AR-TGARCH模型次之,常数-门限Ⅰ-AR-TGARCH模型最后,且常数-门限系列模型均优于其相对应的门限系列模型。从格兰杰因果检验可知,上证指数同深圳成指互为格兰杰因果关系,具有传导双向关联性,同时上证指数和深圳成指这两个大盘指数会对中小板指数产生影响,但是中小板指数对这两个大盘指数却没有风险传导性,上证指数对台湾加权指数具有传导性,但是台湾加权指数对上证指数却没有因果传导关联性。本文在常用的CAViaR模型中AS模型和SAV模型的基础上通过引入美元指数提出了隔夜-AS模型和隔夜-SAV模型来测量汇率的隔夜风险,同时对日元汇率,港币汇率以及人民币汇率的数据进行了实证分析,并通过DQ检验,RQ值和LR统计量来比较各模型的优劣。研究结果表明：这三个汇率市场隔夜风险均受到了滞后风险的影响,且人民币汇率受到的滞后风险影响是最大的,本文提出的隔夜-AS模型和隔夜-SAV模型均优于AS模型和SAV模型且隔夜-AS模型又优于隔夜-SAV模型,特别是对于5%日元汇率时隔夜-AS模型更具有优势,美元指数的波动都加大这三个汇率市场的隔夜风险,且美元指数对日元和港币汇率隔夜风险的冲击大于对人民币汇率的冲击,美元走弱对各汇率隔夜风险的影响大于美元走强对各汇率隔夜风险的影响。这都为我国汇率隔夜风险的管理提供了新的方法和思路。本文首次从城市中不同城区的房地产风险入手,将城区分成中心老城区,新兴城区以及偏远城区,房地产分为商业房地产,写字楼房地产以及商品房房地产,并且改进了CAViaR模型中的SAV模型和AS模型,以武汉市为例实证研究了城区房地产市场的风险,并对模型优劣进行了比较,研究结果表明改进后的AS模型优于改进后的SAV模型,所有城区的房地产风险均受到滞后风险的影响,且偏远城区房地产市场的风险受到滞后风险影响最大,商业地产对中心老城区的房地产风险影响最大,要防止中心老城区商业地产的过剩,新兴城区房地产风险则受写字楼影响最大,要严格控制写字楼的供给,防止写字楼库存过量,而商品房住宅对偏远城区房地产风险影响最大,要努力控制土地供应,控制商品房住宅的数量大幅度上涨。