基于t-Copula-GJR-VaR模型對中國股市系統(tǒng)性風險的測度.pdf

1、改革開放以來，我國的金融市場發(fā)生了巨大的變化，金融機構面臨著日趨多樣，不斷增大的市場風險。為了更加準確地度量市場風險，防范風險事件，及時的投資決策，有必要進行深入的研究。本文的主要工作有以下幾個方面：
　　首先，在查閱大量國內外相關文獻及案例的基礎上，對傳統(tǒng)的幾種計算VaR的理論和方法進行了有益回顧，在對不同的理論進行對比探討的同時，對傳統(tǒng)方法的不足進行了比較詳盡的總結。
　　其次，本文分別采用了GARCH、EGARCH和G

2、JR模型作為單變量金融時間序列波動模型，來刻畫聯(lián)合分布的條件邊際分布，并分別對比分析了（1,1）階模型相對于（1,2）階模型的優(yōu)勢。通過實證的方法證明上證綜指和深證成指的對數(shù)收益率分布具有尖峰厚尾特征，波動性存在明顯的GARCH效應，且上證綜指還具有明顯的杠桿效應，比較適合使用GJR（1,1）模型。而深證成指的杠桿效應不顯著，故仍采用GARCH（1,1）模型。
　　再次，本文采用CML法對Ga-Copula和t-Copula函數(shù)參

3、數(shù)進行了估計。通過t-Copula函數(shù)將兩個一元t分布進行連接，并通過該函數(shù)來描述上證綜指和深證成指之間的相關結構。相關矩陣顯示，上證綜指和深證成指達到91.47％的相關水平，兩市齊漲共跌現(xiàn)象十分顯著，市場系統(tǒng)性風險較大。
　　再次，本文采用MonteCarlo方法模擬產(chǎn)生各指數(shù)的收益率序列，計算出指數(shù)組合的VaR。并進行了Kupiec回溯檢驗，在各置信度上都不能拒絕t-Copula-GJR-VaR模型，這說明該模型在投資組合風險