论文部分内容阅读
风险管理是金融市场参与者们永恒的话题。尤其是在经济高速发展的今天,金融产品层出不穷,萌生各种金融创新,因而各种金融产品的“安全”—风险也成为投资者最关心的问题。由此进行的各种定性和定量的建模计算也很多。虽然公司债券在我国的发展起步晚,中间又经历一些波折,但2015年1月之后新的公司债发行办法颁布,翻倍式增长的融资规模也使得对公司债收益风险的研究有了新的意义。本文从公司债券市场风险度量出发,提出建立时间序列模型对其进行风险测算。回顾国内外相关文献,先结合最新的公司债的发展与现有风险分析度量做出论述。之后选取2014年4月1日—2016年2月22日上证公司债收益率数据,共计462天进行分析,发现数据存在波动性聚集,尖峰厚尾的特征,因而考虑建立GARCH模型。通过对序列的ADF、PP检验,先建立AR(2)模型并对残差序列进行ARCH检验,发现可建立GARCH模型。通过对比AR(2)-GARCH(1,1)和GARCH(1,1)模型的AIC值,选取值较小的AR(2)-GARCH(1,1)作为本文的基本模型。然后分别用ML方法和基于Gibbs抽样的MCMC算法给出模型参数估计,进而达到动态模拟的效果,对比计算两种方法下的VaR值。得到在同一个置信水平下,MCMC算法下比ML方法下算得到VaR值要大,在95%置信水平下,市场总值100亿情况下,VaR在MCMC与ML下均值分别为5.323亿和5.232亿,即用MCMC算法得到的模型计算的风险损失要稍高于ML方法。还有在同一个参数估计的方法下,VaR的均值比中位数大等结论。为机构投资者等估算公司债投资风险时有一定的缓冲空间,同时证明MCMC算法的优越性。最后据实证,提出时间序列建模过程中的思考与总结,并分别给投资者、金融监管部门和发行方提出相应的降低风险的建议,如可以结合国情,建立风险计量模型体系,丰富风险对冲产品、加强企业内部风控和外部金融监管等措施。