论文部分内容阅读
摘 要:基于金融时间序列的实际分布的尾部明显更厚,而峰度则更高的特征,可以运用在不同的分布假定下的GARCH模型的VaR计算方法来对市场的风险进行分析。利用GARCH族模型以国际原油期货的日收益率数据分别在t-分布和广义误差分布(GED)条件下来度量原油期货的在险价值VaR。在验证了多个模型和二种分布组合之后,得出了GARCH(1,1)-t分布模型对原油期货能较好的拟合和反映出国際原油期货收益率的风险特征性。
关键词:期货市场;GARCH模型;VaR;GED
中图分类号:F724.5文献标识码:A文章编号:16723198(2009)22010301
1 引言
随着全球经济的一体化和金融经济的自由化,全球金融市场的波动性更为加剧,而金融时间序列的波动性存在明显的聚焦性和爆发性的特征,相对其他市场而言期货市场则是一个更具风险的市场,因为他是一种具有高风险﹑高收益的高杠杆金融工具,允许投资者在交易市场上做多和做空,期货价格的频繁剧烈波动便是其市场的显著特点之一,因此非常需要有效地控制并且监管风险的方法。在欧美的期货界,市场比较成熟,风险控制管理体制也比较完善,对于风险值的测量已有很多学者提出了新的改进方法, 主要有: 半方差模型、对数效用模型、VaR 方法,其中VaR (Value at Risk)旨在估计给定金融产品或组合在未来资产价格波动下可能的或潜在的损失。由于简单易于操作的优势,目前VaR方法已成为金融市场风险管理的主要方法,已被全球主要银行和非银行金融机构(如保险公司,基金管理公司和信托公司等)采用,在欧美期货界,VaR方法也已成为期货交易风险管理的一个主要方法。
国内外用VaR方法来对金融市场的风险值计算开展了深入的研究,最初由J.P.Morgan公司提出了基于收益率服从正态分布的方差-协方差法;Philippe Jorion (1995) 对比了正态分布和t-分布下的静态模型计算的VaR 的区别;Kupiec (1995) 提出了检验VaR计算的方法——返回检验法, 并给出了不同持有期的置信区间,Femandez(2005)用尾值理论研究了风险管理。国内对于VaR 的研究始于90 年代末,在最近几年得到了较快的发展并在各个领域取得较大的进展,但主要是集中于证券市场,大部分学者发现中国股市市场收益大多不服从独立同方差假设, 而且往往不服从正态分布, 所以近年来计算VaR的方法, 多集中在用条件方差(ARCH)刻画收益的动态变化, 用t分布、GED 分布等方法计算VaR值。并得出用GARCH族和t分布、GED分布来表计算VaR值更为接近现实的金融市场上资产风险状况。比如范英(2000) 在残差服从正态分布的假设下分别采用EWMA方法(RiskMetrics 模型)与GARCH 模型来刻画条件方差,并计算了中国股市上证综指与深证综指的VaR 值。陈守东等(2002)认为在t-分布和GED分布下计算得到的VaR比正态分布假设下得到的值更好地反映了收益的风险特性。刘晓星、何建敏等(2008)应用EGARCH(1,1)-GED和GARCH(1,1)-N模型计算了深圳股票市场成份指数的日对数回报VaR值后经过进一步分析验证得出对深圳股票成份指数的波动性的分析用前一个模型比后一个模型能更优。在期货市场上用VaR-GARCH的研究相对较少,如郭丽丽(2006)得出GARCH(1,1)-N模型在较大尾部概率下和GARCH(1,1)-t在较小尾部概率下对于金属铜能够很好的反映出收益率的风险特性。刘庆福﹑仲伟俊等(2006)利用组建的时变风险价值的VaR-GARCH模型族分别在3种分布假设下对我国铜货的市场风险进行了实证分析,得出用广义误差分布的VaR-EGARCH模型能很好地刻画期铜收益的尖峰厚尾与市场风险。刘向丽﹑成思危等(2008)分别采用参数法,半参数法与非参数法来估计我国铜期货市场的风险值,实证表明不论是下跌VaR还是上涨VaR,非参数法对数据的拟和都要优于另外两种方法,具有很强的实际意义。
关键词:期货市场;GARCH模型;VaR;GED
中图分类号:F724.5文献标识码:A文章编号:16723198(2009)22010301
1 引言
随着全球经济的一体化和金融经济的自由化,全球金融市场的波动性更为加剧,而金融时间序列的波动性存在明显的聚焦性和爆发性的特征,相对其他市场而言期货市场则是一个更具风险的市场,因为他是一种具有高风险﹑高收益的高杠杆金融工具,允许投资者在交易市场上做多和做空,期货价格的频繁剧烈波动便是其市场的显著特点之一,因此非常需要有效地控制并且监管风险的方法。在欧美的期货界,市场比较成熟,风险控制管理体制也比较完善,对于风险值的测量已有很多学者提出了新的改进方法, 主要有: 半方差模型、对数效用模型、VaR 方法,其中VaR (Value at Risk)旨在估计给定金融产品或组合在未来资产价格波动下可能的或潜在的损失。由于简单易于操作的优势,目前VaR方法已成为金融市场风险管理的主要方法,已被全球主要银行和非银行金融机构(如保险公司,基金管理公司和信托公司等)采用,在欧美期货界,VaR方法也已成为期货交易风险管理的一个主要方法。
国内外用VaR方法来对金融市场的风险值计算开展了深入的研究,最初由J.P.Morgan公司提出了基于收益率服从正态分布的方差-协方差法;Philippe Jorion (1995) 对比了正态分布和t-分布下的静态模型计算的VaR 的区别;Kupiec (1995) 提出了检验VaR计算的方法——返回检验法, 并给出了不同持有期的置信区间,Femandez(2005)用尾值理论研究了风险管理。国内对于VaR 的研究始于90 年代末,在最近几年得到了较快的发展并在各个领域取得较大的进展,但主要是集中于证券市场,大部分学者发现中国股市市场收益大多不服从独立同方差假设, 而且往往不服从正态分布, 所以近年来计算VaR的方法, 多集中在用条件方差(ARCH)刻画收益的动态变化, 用t分布、GED 分布等方法计算VaR值。并得出用GARCH族和t分布、GED分布来表计算VaR值更为接近现实的金融市场上资产风险状况。比如范英(2000) 在残差服从正态分布的假设下分别采用EWMA方法(RiskMetrics 模型)与GARCH 模型来刻画条件方差,并计算了中国股市上证综指与深证综指的VaR 值。陈守东等(2002)认为在t-分布和GED分布下计算得到的VaR比正态分布假设下得到的值更好地反映了收益的风险特性。刘晓星、何建敏等(2008)应用EGARCH(1,1)-GED和GARCH(1,1)-N模型计算了深圳股票市场成份指数的日对数回报VaR值后经过进一步分析验证得出对深圳股票成份指数的波动性的分析用前一个模型比后一个模型能更优。在期货市场上用VaR-GARCH的研究相对较少,如郭丽丽(2006)得出GARCH(1,1)-N模型在较大尾部概率下和GARCH(1,1)-t在较小尾部概率下对于金属铜能够很好的反映出收益率的风险特性。刘庆福﹑仲伟俊等(2006)利用组建的时变风险价值的VaR-GARCH模型族分别在3种分布假设下对我国铜货的市场风险进行了实证分析,得出用广义误差分布的VaR-EGARCH模型能很好地刻画期铜收益的尖峰厚尾与市场风险。刘向丽﹑成思危等(2008)分别采用参数法,半参数法与非参数法来估计我国铜期货市场的风险值,实证表明不论是下跌VaR还是上涨VaR,非参数法对数据的拟和都要优于另外两种方法,具有很强的实际意义。