VaR與CVaR理論在我國金融市場中的應(yīng)用研究.pdf

1、風(fēng)險簡單的定義是“起作用的不確定性”，它之所以起作用，是因為它能夠影響一個或者是多個目標(biāo)，因此我們需要定義什么“處于風(fēng)險之中”(at risk)，換句話說就是，如果風(fēng)險發(fā)生的話，什么目標(biāo)會受到影響。因此，風(fēng)險的一個比較完整的定義應(yīng)該是“能夠影響一個或多個目標(biāo)的不確定性”。 金融市場風(fēng)險測量就是測量由于市場因子的不利變化而導(dǎo)致金融資產(chǎn)價值損失的大小。目前，金融市場風(fēng)險測量的主要方法包括均值一方差分析、靈敏度分析、波動性分析、VaR

2、和CVaR方法。許多研究發(fā)現(xiàn)金融資產(chǎn)收益率時間序列不服從正態(tài)分布，具有尖峰厚尾的特性，其波動具有聚集性和時變性，并且還具有杠桿效應(yīng)。為了正確估計金融風(fēng)險，必須充分考慮收益率序列的分布特征和波動性。為正確擬合收益率序列，許多學(xué)者提出使用GARCH族模型來分析股票市場風(fēng)險。 本文在第三章運用GARCH-CVaR模型對我國滬深300指數(shù)風(fēng)險進(jìn)行度量和分析，發(fā)現(xiàn)我國股票市場具有顯著波動聚集性，市場在受到意外事件沖擊時恢復(fù)期長、影響減弱較

3、慢，股票市場具有較強(qiáng)的波動性，平均方差水平較高；將股票市場的歷史CVaR與同期VaR對比發(fā)現(xiàn)，CVaR始終偏大，尤其在市場劇烈波動即風(fēng)險較大時，尾部事件發(fā)生時的期望損失比VaR大得多。 第四章在考慮行業(yè)風(fēng)險因素的情況下先利用加權(quán)正態(tài)分布模型對單個股票進(jìn)行VaR和CVaR分析；然后用GARCH模型對單個股票進(jìn)行VaR和CVaR風(fēng)險分析。發(fā)現(xiàn)除萬科A外其它三只股票的VaR和CVaR均值都是加權(quán)分布下的小于GARCH分布下的，也就是說

4、GARCH分布下失效率要比加權(quán)分布的失效率小一些，但是同時GARCH分布也存在對風(fēng)險的高估。萬科A的例外之處可能在于它流通盤過大，線性相關(guān)性過強(qiáng)。 第五章將追蹤誤差定義為證券投資組合收益率與所追蹤的指數(shù)基準(zhǔn)收益率之差，并在分析CVaR的基礎(chǔ)上，在無交易費用和有交易費用的情況下，建立了基于CVaR約束的追蹤誤差最小化的指數(shù)組合優(yōu)化模型，對指數(shù)進(jìn)行復(fù)制，并通過實證分析，得出了基于CVaR約束的追蹤誤差最小時的樣本期內(nèi)及樣本期外的最優(yōu)