極值情況下對我國股市風險度量的實證分析研究-wenkub
2023-07-08 16:07:35 本頁面
【正文】 數(shù)：， (2由上述定義，分布函數(shù)F(x支撐的上端點記為，閾值u到的區(qū)域就是所要研究的極值區(qū)域，由于極值數(shù)據(jù)較少，對于這一區(qū)域分布函數(shù)的估計就會相對困難，而利用極值理論可以很好的解決這一問題。本文在極值理論的基礎上，考慮到全球金融市場之間的聯(lián)動效應，對2007年由美國“次貸”危機引發(fā)的全球金融危機前后中國股市收益率分布的進行了模型擬合，并分時段和“正尾”“負尾”分別計算出風險值VaR 和 CVaR，通過比較分析了金融危機對我國股市風險的影響。周開國等2002）根據(jù)Longin (2000詳述了利用極值理論計算VaR 的步驟，對1985年1月1日到1999年12月31日的恒生指數(shù)進行實證研究，發(fā)現(xiàn)極大值和極小值序列的分布都服從廣義極值分布中的Frechet 分布。Longin2000） 總結出了利用極值理論的方法進行計算VaR 的步驟。而由Gnedenko1943）提出的極值理論，是用來估計和預測極端事件風險的一門理論， Gumbel1958）年對極值理論做了系統(tǒng)的總結，提出的Gumble分布極大的促進了極值理論的發(fā)展。Fama1965）， Hagerman1978），Lau amp。國內研究中，龔樸，黃榮兵2009）基于中美股市的聯(lián)動性，采用時變tCopula模型測量次貸危機對我國股市的影響程度，揭示了由次貸危機引發(fā)的美國股市的震蕩易于通過香港股市傳導到我國內地股票市場造成沖擊。 Embrechts(2003, Zhang(2005, Zhang amp。2007金融危機恰好提供了一個極端事件頻發(fā)的環(huán)境和條件來研究該問題，文中以金融危機到來的前后分時段分別擬合分布和計算風險值，并且通過比較分析金融危機對我國股市風險的影響，該結論有利于投資者認清此時股市中的風險變化，從而在市場非正常波動中做出合理的投資決策。VaRValueatrisk）方法應運而生，它彌補了傳統(tǒng)度量方法的缺陷，有更大的科學性和適應性，適應了金融市場發(fā)展的復雜性和全球性趨勢。因此，考慮極端聯(lián)動效應正確地評估風險，對于控制和管理風險，進而做出正確的投資決策尤其重要，而在這些引發(fā)股市震蕩的極端小概率事件發(fā)生時，準確地度量出風險可以讓投資者在金融危機到來時及時采取有效的措施應對股市危機，甚至合理地利用風險獲取收益，而不是消極被動的無所作為。27事件”所引發(fā)的全球股市循環(huán)暴跌引起了政府、管理層、證券界乃至國際輿論的廣泛關注，也標志著中國股市從此與世界股市正式接軌。緊接著，歐洲股市出現(xiàn)全線下跌，——%。本文實證分析的數(shù)據(jù)來源于Wind 中國金融數(shù)據(jù)庫關鍵詞：極值理論；POT模型；VaR；次貸危機一、引言近二十年來，隨著全球經濟一體化進程的加快，我國金融市場也有了突飛猛進的發(fā)展。極值情況下對我國股市風險度量的實證研究上海財經大學 王藝馨、師鵬云、萬榮軍目 錄摘要 1 一、引言 1 二、文獻綜述 3 三、上證綜指分布函數(shù)的模型擬合和股市風險的度量 5 一）極值理論的POT模型 5 二）風險值的計算 8 三）數(shù)據(jù)的選取和時段的劃分 9 四）各時段模型擬合和風險值的計算結果 10 四、對所得結果的分析和討論 13 五、總結 15 參考文獻 16 20 / 21摘要：準確地度量風險是對風險進行有效管理的前提和基礎，特別是在極值事件發(fā)生的情況下，投資者只有正確把握市場中的風險才能做出合理的投資決策。我國在2001年加入WTO之后，不斷加大開放的廣度和深度，已形成了與我國經濟發(fā)展相適應的特色道路，股票市場中上市公司數(shù)量不斷增加，投資者積極性不斷提高，制度性建設也日趨完善。當晚，在美國股市開盤后，即開始了觸目驚心的暴跌過程，道隨著金融創(chuàng)新和現(xiàn)代金融信息技術發(fā)展，全球金融風暴掀起的浪潮一波高過一波，股票價格大幅波動，特別是2007年始于美國次級債券住房抵押貸款的次貸危機的爆發(fā)，引發(fā)了華爾街金融市場的震蕩，并迅速波及全球，隨著我國與世界金融一體化的深化，我國股票市場在此國際背景下也受到影響。正如花旗集團的前董事長 Walter但傳統(tǒng)研究中都假設市場收益率服從正態(tài)分布，VaR 模型度量的是正常市場中的風險；但是極端小概率事件才是造成風險的主要因素，因此研究極端事件下的風險才更能準確度量和把握股市中的風險。本文的結構安排如下：第二部分介紹國內外研究的現(xiàn)狀；第三部分介紹具體的實證方法，并利用該方法進行建模和計算；第四部分對實證所得結果進行分析；第五部分給出本文的結論。 Huang (2006。馬超群，楊密，佘升翔，楊文昱2009）利用動態(tài)條件相關多元 GARCH 模型進行了相關市場的動態(tài)聯(lián)動性分析，并且揭示了美國次貸危機的傳染機制及其對中國金融經濟的影響。 Wingender1990）等學者相繼發(fā)現(xiàn)，股票市場中股票的收益率分布并不符合正態(tài)分布，即分布有偏，而且峰度大于3，這表明股票收益率的分布函數(shù)的尾部比正態(tài)分布的尾部要厚，實際中極端事件出現(xiàn)的概率要大于在正態(tài)分布的假設下出現(xiàn)極端事件的可能性。Login1996）首次把極值理論運用到金融領域進行對風險的研究，他利用極值理論對美國股票市場收益率的尾部進行建模，促進了金融市場中風險管理研究領域的發(fā)展。Gettinby，Sinclair，Power和Brown2006）研究日本、美國和英國股票市場收益的極端分布特征，并指出最優(yōu)的分布是廣義極值分布。田新時、郭海燕2004）對1996年11月22日到2003年2月21日上證180 指數(shù)的日收盤價進行研究，利用廣義帕累托分布GPD）模型法、歷史模擬法、方差協(xié)方差法、GARCH 1，1）和GARCH1，1） t 方法分別計算VaR值，結果發(fā)現(xiàn)廣義帕累托分布模型法與其它幾種方法相比，更適合于對“厚尾”分布的極值分位數(shù)進行估計和預測。三、上證綜指分布函數(shù)的模型擬合和股市風險的度量在傳統(tǒng)金融領域的研究中，一般都假定資產收益率服從正態(tài)分布，但是實際中并非如此，收益率的分布常表現(xiàn)出“尖峰厚尾”的特征，因此用正態(tài)分布來擬合收益的尾部分布效果是不好的，同時，在正態(tài)分布的假定下再利用VaR 模型度量風險勢必會低估風險，不利于有效地管理和控制風險。Balkema, De Haan(1974和Pickands(1975提出了Pickhandsbalkemade Hann 定理：對于，當且僅當存在某個正的可測函數(shù)時，有： (3其中，為廣義帕累托分布，該定理證明了對于一個充分大的閾值u，超過u的超出量近似服從廣義帕
黨政相關相關推薦
鄂ICP備17016276號-1