基于高斯混合SV模型的極值風(fēng)險度量及應(yīng)用研究.pdf

1、近年來通貨膨脹和金融市場的震蕩，不僅使國內(nèi)外股市受到了劇烈的沖擊，還引起了人民幣的貶值等。人們不斷尋求更好的投資產(chǎn)品，因為黃金具有增值保值的功能，所以成了投資者的新寵兒，吸引了大量的投資者將投資方向從股市和外匯市場轉(zhuǎn)向了黃金市場。但是國內(nèi)的黃金市場發(fā)展并不成熟，黃金價格的波動受利率水平、原油價格、美元匯率等多方面的影響，因此投資者及管理部門對風(fēng)險值的度量尤為重視。
　　風(fēng)險度量的核心即波動率的預(yù)測。金融時間序列存在一些特殊的性質(zhì)，

2、而隨機(jī)波動率（SV）模型能夠更好地捕捉金融時間序列中的“尖峰厚尾”現(xiàn)象、波動聚集性和高持續(xù)性等特征，可以較準(zhǔn)確地刻畫實際金融時間序列的波動率，是廣義自回歸條件異方差模型的有效替代和升級。高斯混合 SV（SV-T-MN）模型被證實能夠較精確地預(yù)測金融時序的波動率，且用蒙特卡羅方法（MCMC）方法和模擬EM算法獲得模型的待估參數(shù)，能夠有效降低混合高斯的近似誤差，所以本文選取該模型預(yù)測黃金價格的波動率。同時，在金融市場中，極端情況雖然發(fā)生的機(jī)

3、率較小，一旦發(fā)生所造成的損失將會相當(dāng)大，為了避免傳統(tǒng)的風(fēng)險度量方法忽略極端事件的缺點，引入極值理論的POT模型來解決尾部風(fēng)險的難題。由于POT模型是對超閾值樣本進(jìn)行建模，所以閾值的選取較為重要，利用平均超額函數(shù)圖和峰度法的綜合運(yùn)用選取合適的閾值，通過極大似然估計法得到GPD分布的待估參數(shù)，可以得到基于SV-T-MN-POT模型的動態(tài)VaR預(yù)測模型。
　　在實證研究中，本文先后用GARCH類和SV類模型刻畫黃金價格的時變波動率，并分