论文部分内容阅读
本文详细研究了VaR模型以及相关的理论,包括FHS技术、GARCH模型、Copula理论和极值理论,这些相关的理论主要应用于对时间序列分布的描述、拟合及预测,从而在此基础上利用VaR模型度量资产的风险。本文从三个层次进行了实证研究:(1)应用传统历史VaR模型来计量中国证券市场的市场风险,即利用参数VaR方法对我国证券市场进行实证研究,计算上海证券交易所的上证综合指数的VaR值,以此来检验这一方法在我国上市公司市场风险管理的有效程度。通过样本区间内上证综合指数实际值与预测VaR预测下限进行对比,发现有11天的实际指数值跌破预测下限。(2)应用基于GJR-GARCH和FHS技术的VaR模型来度量中国证券市场的市场风险,结果显示,在置信水平为95%时,实际上证指数低于指数VaR预测下限的天数为8天。可见,本文所建立的基于GJR—GARCH和FHS的VaR模型对于这一阶段的上证综合指数市场风险的拟合效果较好,结果优于传统历史模拟法。(3)应用基于GJR-GARCH、Copula和EVT的VaR模型来计量中国证券市场的市场风险,投资组合在持有期(24小时)最大损失为12.6225%,最大可能获得的收益为8.9172%,置信水平为90%、95%和99%时的VaR值分别为-1.6377%、-2.2782%和-4.2981%,即该投资组合在未来24小时的损失有90%的概率不超过1.6377%,有95%的概率不超过2.2782%,有99%的概率不超过4.2981%。