论文部分内容阅读
金融风险的主要来源是金融资产价格的波动，即金融资产收益率的不确定性，而有关金融资产的波动性研究则一直是国内外学者研究金融风险问题的重点。近年来，受新一轮国际金融危机的影响，金融风险变得越来越复杂，这便推动国内外学者提出更优秀的模型来完美刻画实际金融市场价格波动的动态变化趋势。基于此，文章结合国内外金融时间序列的最新成果，提出一种新型的时间序列模型来捕捉中国股票市场的收益率与波动率变化特征。本文将双指数跳跃因子引入传统的GARCH族模型，从而利用双指数跳跃因子来拟合中国股票市场收益率序列呈现的非对称性和波动杠杆效应等特征，实证结果显示，引入双指数跳跃因子的GARCH模型与一般GARCH-JUMP模型相比，能够更好的拟合中国股票市场收益率与波动率的动态变化过程，此外模型的Hong&Li检验结果也表明前者的模型设定更准确。但是，Hong&Li检验结果表明带双指数跳跃因子的GARCH模型仍然没有通过检验，所以我们在新模型的基础上引入方差跳跃因子，从而提出带多个跳跃因子GARCH模型。实证结果表明，新模型能够更好的拟合中国股票市场收益率与波动率变化过程中存在的尖峰厚尾性、波动聚集性、波动的杠杆效应以及非对称性等特征；模型的Hong&Li检验结果也表明带多个跳跃因子GARCH模型要比带双指数跳跃因子GARCH模型更准确，能够更好的刻画中国股票市场收益率与波动率的动态变化趋势。本文还基于两类新的模型对中国股市作了VaR风险度量分析，结果显示带多个跳跃因子的GARCH模型预测的VaR值的准确性要高于带双指数跳跃因子GARCH模型的预测结果，前者的失败率更接近于我们选取的置信水平所对应的失败率，更能够准确的反映两类综合指数的风险情况。我们认为双指数跳跃因子GARCH模型预测VaR没有通过检验的原因可能是其一定程度上高估了风险，从而导致其预测VaR的预测区间更广，预测误差更大，进而一定程度上减少了预测的失败率。