中小板证券市场VaR估计精度实证研究
一、引言 证券市场是高风险市场，是商品经济、信用经济高度发展的产物，是市场经济中的一种高级组织形态。这是因为证券价格具有很大的波动性、不确定性，并且是由证券的本质及证券市场运作的复杂性所决定的。因此，对证券市场风险的合理度量显得尤为重要。VaR（Value—at—Risk）作为风险度量方法，目前已成为金融机构、非金融企业和金融监管部门测量和监控市场风险的主流工具。但在实际运用中，由于数据抽样、假设条件、建模过程等影响，无论采用哪一种VaR方法都会产生一定的偏差。对于证券市场而言，若VaR方法低估了实际的风险水平，则可能为投资者带来巨大的损失；若VaR方法过于保守，高估了实际的风险水平，可能会使得投资者丧失投资机会，损失部分资金的机会成本。可见，对于VaR方法，无论低估还是高估证券市场风险，都不利于投资者或监管机构进行风险管理。 在运用VaR进行风险管理时，应注意所运用VaR模型的假设与限制，也即注意模型本身的风险。Beder（1995）针对参数方法，如RiskMetrics和加权移动平均法、历史模拟法、蒙特卡罗模拟法等进行研究比较，结果表明：虽然无法确定VaR的最佳估计法，但是实证研究中显示了这三类VaR估计所面临的限制与问题。Jamshidian（1997）则认为证券报酬的非正态分布、政府经济政策的改变、市场发生的突发事件、资产流动性、与潜在的信用风险等，均会造成风险值低估。Panayiotis et al（2011）对基于尖峰厚尾收益分布的APARCH模型进行了估计，分析发现APARCH模型提高了多头和空头头寸的每日VaR预报精度，另外也评估了拟然率计算的各个模型的表现。 论文网 邹新月、吕先进（2003）从实际数据的基本特征出发，讨论了VaR方法在尖峰、胖尾分布中的计算公式，结果表明，推广的VaR计算方法对证券市场风险预警有更可靠的揭示作用。郭柳、朱敏（2004）运用VaR的基本方法对沪市十只股票进行了实证分析，同时对该十只股票的投资组合市场风险也做了进一步的测算。陈林奋、王德全（2009）运用GARCH类模型对上证指数和中证全债指数序列进行拟合分析，并估计了其多头和空头头寸的VaR值，结果表明，我国股票市场存在显著的非对称效应，而债券市场是否存在非对称效应并不明确。江涛（2010）计算上海股票市场日收益的VaR值时，表明了GARCH和半参数模型的VaR方法比传统的方法更有效，并较好地刻画了我国现阶段证券市场的市场风险。 国内对于VaR及其度量方法的研究文献虽然较多，但对不同类型的VaR模型的估计精度研究却不多。目前主要用于计算VaR的方法有三类：参数方法、半参数方法和非参数方法。各类方法中依据不同的假设可以建立不同的VaR模型。因此，在选择不同类型的VaR估计模型时，对不同类型的VaR模型估计精度的研究显得尤为重要。 二、数据与研究方法 1、数据的选取 数据采用了深市综合指数日收盘价数据，时间为1990年12月19日至2005年12月31日，共3825个数据，之所以采用深市综指是为了避免个股各自表现的风险特殊性和片面性，也是为了能够合理评价各种估计模型变动性的需要。在3825个数据中，将20022005年的共716个交易日数据作为VaR估计的检验样本（需要说明的是，检验样本之所以没有选取2005年之后的数据，是由于在多种因素的影响下，我国股票市场在2005年后波动极为剧烈，属于特殊年份的数据，不宜作为VaR模型本身变动性的检验基础），并使用三类方法中的七种估计模型对VaR进行估计，最后对模型估计的变动性和偏离程度进行实证评价。 代写论文 2、VaR估计模型 这里以深市综合指数日收盘价格数据为研究对象，置信水平设置为95%和99%两种情形，移动窗口选取50天、125天、250天以及500天四种情形（近似为两个月，六个月，一年和两年），使用参数方法（选用简单移动平均法（SMA）、指数加权移动平均法（EWMA）（三种参数设定）和GARCH族模型）、半参数方 毕业论文。
简历大全 /html/jianli/。