论文部分内容阅读
随着社会的进步,金融市场在各国经济的发展中发挥着越来越重要的作用。而金融市场的稳定和发展是社会稳定和发展的重要因素之一。但是受金融创新与技术进步,以及经济全球化和金融一体化等因素的影响,金融市场的波动性和系统风险大大加剧,当前全球金融环境发生了重大的变化,在这种情况下风险管理显的尤为重要。风险管理的核心就是度量风险,VaR方法作为一种风险度量和管理的新工具,自诞生以来就得到广泛的应用,在国外已成为度量市场风险的主流方法,但是VaR方法在我国的应用与国外还存在着较大的差距。因此,如何借鉴国际上比较成熟的VaR模型对于我国金融市场的风险管理有着重要的应用价值和现实意义。本文分别运用分位数回归方法和GARCH模型方法建模,以上证综合指数为研究对象计算得到VaR值。其中GARCH模型方法应用了四种不同模型(GARCH,TGARCH,EGARCH和PGARCH),分别在t分布和广义误差分布上计算了上证综合指数的VaR,而分位数回归方法也同时建立了两个模型计算了上证综合指数VaR。然后本文对两种方法的计算结果进行了Kupiec似然比检验,从而对比了分位数回归方法和GARCH模型方法在计算VaR上的优劣,从各模型的检验情况来看,在95%的置信度下LR统计值均小于临界值,表明模型在95%置信度水平下均能被接受,而在99%的置信度下,在GED分布下的GARCH、TGARCH、PGARCH模型均未通过检验,模型被拒绝,这说明GED分布可能不太适用于我国股票市场,同时结果显示在分位数回归基础上的模型所得到的LR统计量值均比在GARCH模型下得到的LR统计量要小,表明基于分位数回归的模型更准确的度量了市场风险。从失败率来看,通过比较各类模型,发现在95%的置信度下,分位数回归模型的失败率最低,GED分布下的GARCH(1,1)失败率最高,在99%的置信度下,依然是分位数回归模型的失败率最低。总体上来说这两种建模方法都可以,但相比较而言分位数回归方法性质要较好一些,因为无论是在失败率还是LR统计量,分位数回归模型都表现良好,这充分展示了分位数回归模型的优越性。因此运用分位数回归技术建立模型不仅有良好的性质,而且还保有在统计上的优势,分位数回归技术为风险度量开阔了新的路径,在风险度量领域的应用有广阔的前景。