中國證券市場風險價值研究——基于分位數(shù)回歸的VaR和CAViaR的研究.pdf

1、VaR指的是，在一定概率水平下，金融資產(chǎn)在未來特定一段時間的最大可能損失，它在風險度量、風險控制和風險監(jiān)管等方面都具有眾多優(yōu)點，現(xiàn)已逐漸成為全球金融機構(gòu)風險管理的主流方法。盡管對VaR的研究與應用在國外已逐漸完善成熟，但因中國證券市場的獨特國情，VaR方法在我國的應用與國外還存在著一定差距，將VaR運用于中國證券市場的風險價值計量仍有待進一步發(fā)展和研究。分位數(shù)回歸是一種半?yún)?shù)方法，它采用最小一乘回歸的最優(yōu)化途徑估計參數(shù)，不需要進行正態(tài)分

2、布的假設和分布參數(shù)的設定，適合我國金融時間序列的尖峰厚尾特征，在金融風險價值度量方面有著明顯優(yōu)勢。因此，如何結(jié)合中國的實際國情，建立基于分位數(shù)回歸的VaR風險計量模型，具有十分重要的理論和現(xiàn)實意義。
　　本文將分位數(shù)回歸方法應用于中國證券市場風險價值的分析，主要從兩個方面對中國證券市場的風險計量模型進行了研究和擴展:
　　第一，基于分位數(shù)回歸VaR模型的中國證券市場風險價值研究:在綜合考慮金融收益序列的尖峰厚尾性、有偏性、波

3、動集聚性和杠桿效應的基礎上，本文將分位數(shù)回歸半?yún)?shù)方法應用于VaR風險計量模型中，采用分位數(shù)回歸VaR模型，選取具有代表性的上證綜指獲得不同持有期的收益率序列進行實證，建立在正態(tài)分布、t-分布、廣義誤差分布假設下的GARCH、TARCH、EGARCH、 PARCH模型及相應的ARCH-M族模型，計算VaR值，并用返回檢驗法對模型的估計效果進行檢驗。通過比較不同假設條件下的模型估計效果，發(fā)現(xiàn)分位數(shù)回歸VaR模型對殘差的模型假設和分布形式不

4、敏感，具有良好的普適性。此外，持有期越長，VaR值越大，模型的估計效果越好。
　　第二，基于CAViaR方法的中國證券市場風險價值研究:CAViaR模型作為一種條件自回歸風險值方法，常被應用于金融市場風險價值的研究?？紤]到市場沖擊對風險影響的不對稱性和收益率可能存在一個自回歸均值項，本文提出了若干CAViaR的擴展模型，用于研究金融市場的風險度量，主要包括非對稱間接TARCH模型(AIT)及帶AR項的間接GARCH模型(AR-IG

5、)。此外，本文在外生變量的選擇方面也做了充分考慮，引入波動率作為外生解釋變量，提出兩類CAViaR-Volatility模型(SAV-Volatility和IG-Volatility)。實證研究表明:本文提出的若干擴展模型在樣本外的預測方面表現(xiàn)得更好，預測效果有顯著提高，模型更具有穩(wěn)定性;極端分位水平下，更低分位點的預測效果較好，表明極端市場信息對風險價值的影響更顯著;研究還表明波動率和VaR存在負相關(guān)關(guān)系，波動率上升，預期VaR會降低