金融市場(chǎng)VaR風(fēng)險(xiǎn)與價(jià)格信息預(yù)測(cè)——基于FIGARCH-EVT、FIGARCH-ANN.pdf

1、金融市場(chǎng)VaR風(fēng)險(xiǎn)與價(jià)格信息預(yù)測(cè)—基于FIGARCHEVT、FIGARCHANN重慶大學(xué)碩士學(xué)位論文學(xué)生姓名：傅肖肖指導(dǎo)教師：肖智教授專業(yè)：管理科學(xué)與工程學(xué)科門類：管理學(xué)重慶大學(xué)經(jīng)濟(jì)與工商管理學(xué)院二OO八年十月重慶大學(xué)碩士學(xué)位論文中文摘要I摘要金融市場(chǎng)是一個(gè)復(fù)雜的非線性動(dòng)態(tài)系統(tǒng)，金融數(shù)據(jù)中包含著許多信息，借用適當(dāng)方法對(duì)金融數(shù)據(jù)進(jìn)行分析與預(yù)測(cè)，是一個(gè)具有挑戰(zhàn)性的研究領(lǐng)域，有著極高的市場(chǎng)價(jià)值。風(fēng)險(xiǎn)信息和價(jià)格信息是金融信息的兩個(gè)重要方面，預(yù)測(cè)

2、金融風(fēng)險(xiǎn)有助于保障金融市場(chǎng)安全，預(yù)測(cè)資產(chǎn)價(jià)格可以幫助投資者獲取投資收益。論文針對(duì)金融信息預(yù)測(cè)的這兩個(gè)方面進(jìn)行了一些研究。實(shí)際中金融資產(chǎn)的回報(bào)序列有以下特點(diǎn)：①資產(chǎn)回報(bào)分布的厚尾性，金融資產(chǎn)回報(bào)序列的實(shí)際分布比正態(tài)分布在尾部明顯更厚；②資產(chǎn)回報(bào)波動(dòng)的異方差性，回報(bào)的波動(dòng)一段時(shí)間很大而一段時(shí)間很小，呈現(xiàn)出集聚性；③資產(chǎn)回報(bào)波動(dòng)的長(zhǎng)期記憶性，即市場(chǎng)對(duì)波動(dòng)的沖擊要持續(xù)一段時(shí)間才會(huì)消失。利用FIGARCH模型有效處理波動(dòng)異方差性和長(zhǎng)期記憶性、極值

3、理論（EVT）方法準(zhǔn)確擬合資產(chǎn)回報(bào)厚尾分布的優(yōu)勢(shì)，論文提出了能反映資產(chǎn)回報(bào)厚尾性、資產(chǎn)回報(bào)波動(dòng)異方差性和長(zhǎng)期記憶性的VaR風(fēng)險(xiǎn)預(yù)測(cè)模型——基于FIGARCHEVT的動(dòng)態(tài)VaR模型。將金融市場(chǎng)的重要特征——波動(dòng)作為輸入變量，融入神經(jīng)網(wǎng)絡(luò)模型，可以改進(jìn)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)金融資產(chǎn)價(jià)格趨勢(shì)的準(zhǔn)確性。論文選用FIGARCH模型估計(jì)的條件方差代表波動(dòng)，然后與資產(chǎn)回報(bào)的滯后歷史值一起作為輸入變量，以資產(chǎn)回報(bào)的當(dāng)天值作為輸出變量，建立基于FIGARCHANN

4、的金融價(jià)格信息預(yù)測(cè)模型，減小預(yù)測(cè)的錯(cuò)誤率。最后用上海股票市場(chǎng)上證綜合指數(shù)從1995年1月1日到2007年5月17日的每日收盤價(jià)時(shí)間序列對(duì)模型進(jìn)行實(shí)證分析，結(jié)果表明基于FIGARCHEVT的動(dòng)態(tài)VaR模型能較好地處理上證綜合指數(shù)回報(bào)序列的三大特點(diǎn)，比基于GARCHN和基于靜態(tài)EVT的VaR模型更能準(zhǔn)確地度量其VaR風(fēng)險(xiǎn)；在預(yù)測(cè)上綜指價(jià)格趨勢(shì)時(shí)，基于FIGARCHANN的價(jià)格信息預(yù)測(cè)模型比基于GARCHANN和沒有加入波動(dòng)信息作為輸入變量的