金融市場風險價值的計算范文

本站小編為你精心準備了金融市場風險價值的計算參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

一、引言

隨著世界經濟的日益復雜化，金融市場在其運作過程中面臨風險增大的趨勢，市場風險成為國內外經濟領域關注的焦點，其中市場風險的度量與監測是整個風險管理理論的基礎與核心。在這種情況下，早在1993年JPMorgan公司提出來VaR模型，它有助于金融管理者全面測量市場風險。與此同時，金融資產時間序列常常表現出“尖峰厚尾”、“波動集群”等特征，本文選取了GARCH類模型來改進傳統風險計算方法所帶來的局限性，使計算結果與實際情況更加符合。

二、實證分析

1.數據的選取與處理本文以2014年1月2日到2015年9月10日滬深300日收盤指數為樣本，共取414個樣本值，以此來分析我國股市的風險。該數據來源于中國社會科學院金融研究所數據庫，并且通過Eviews5.0軟件得出本文所用圖形和計算結果。利用公式得到收益率為對數收益率rt=lnpt-lnpt-1，其中pt表示在t時刻的收盤指數，由此我們得到收益率時間序列{rt}的基本統計分析如圖1。根據圖1進行分析，滬深300指數的收益率都在一個常數附近上下波動，在一段時間內較大的波動后跟隨著大的波動，相對小的波動后伴隨著較小的波動，呈現出波動集群性。其Sk值小于零的，是左偏分布，并且峰度值8.5097明顯大于正態分布的峰度值3，這說明兩個收益率序列不服從正態分布，具有尖峰厚尾的特點。

2.收益率的平穩性和相關性檢驗由于非平穩序列對后續模型的建立具有不利影響，本文利用ADF方法對收益率序列進行平穩性檢驗。結果顯示，ADF統計量都小于1%、5%、10%的顯著水平臨界值，且P值為0，可以在95%的顯著水平下拒絕原假設，說明收益率序列沒有單位根，是平穩的。通過序列的相關統計圖可以看出，收益率序列的自相關系數拖尾，偏自相關系數在滯后4階處存在相關性，因此對收益率時間序列建立均值方程。

3.GARCH模型的建立根據建立的回歸方程對其殘差進行ARCH-LM檢驗，判斷殘差序列是否具有ARCH效應，檢驗結果中χ2檢驗的相伴概率P值為0，所以拒接原假設，即滬深300指的收益率序列具有高階ARCH效應。在建立模型過程中，通過比較AIC與SC信息準則，經過反復計算得出GARCH(1,1)模型擬合效果最好，計算結果如表2所示。由表2可知，條件方差方程中各參數的z-統計量非常顯著，并且所對應的P值都等于0，因此在檢驗水平為5%的條件下這些參數是顯著的。并且方程中的ARCH項和GARCH項的系數都大于零，兩系數相加為0.971842小于1，滿足模型參數約束條件。由于系數之和非常接近于1，因而前期的沖擊對未來的影響是具有持久性的。接著對GARCH模型估計的殘差進行ARCH-LM檢驗，其結果顯示接受原假設，殘差不存在條件異方差，因此可以用GARCH模型做進一步計算。

4.VaR值的計算與檢驗基于上述GARCH模型生成其條件方差，然后代入公式VaR=Pt-1aht，可以得到VaR估計值。本文選取不同的置信水平來比較對計算VaR值所帶來的影響，表3給出了VaR的一些統計結果及檢驗數據。由表3可以看出，以置信水平為95%的情況為例，有95%的把握可以將指數的損失控制在105.1435以下，但我們不能簡單的認為VaR-GARCH模型完全估計出股市的風險程度，在股市波動較大的時期往往存在低估風險的情況。

三、小結與展望

由于收益率時間序列是尖峰厚尾的，本文在模擬VaR-GARCH模型時采用的是正態分布的情況，與實際情況有一定差別，可進一步計算在其他分布下的估計值進行比較。另外，本文只介紹了一種模型，還可利用GARCH-M、EGARCH、TARCH等模型進行改進，提高預測的準確性。

作者：解怡萌 王婧伊 單位：遼寧師范大學