【正文】 股東財富最大化的商業(yè)銀行經(jīng)營目的。此后，人們又根據(jù)這一特征，以符合這一特點的廣義誤差分布、混合正態(tài)分布或?qū)W生 t 分布等厚尾分布為基礎(chǔ)，提出了改進的ARCH 和 GARCH 模型，從而更好的處理了金融數(shù)據(jù)的后尾特征。Nelson[16]發(fā)展出了EGARCH模型，該模型放寬了對殘差項條件分布的限制，這一模型能較好地解決股指期貨收益率序列的有偏性和尖峰厚尾特性，因此該模型能夠很好的擬合金融數(shù)據(jù)，但它同樣比其他模型更預(yù)測波動性。這樣VAR 與ARCH的結(jié)合就能較有效的適用于變換激烈的金融市場。此外，假定所涉及的金融資產(chǎn)的期望收益率和收益率的方差在一個時期內(nèi)都是常數(shù)也限制了VaR的適用范圍；當(dāng)市場非常平穩(wěn)的時期計算出的VaR是有效的，而當(dāng)市場變化很激烈的時候，不同時間段的收益率的方差相差很大，這樣用單一的一個時期收益率的方差去預(yù)測每天收益率的方差就會產(chǎn)生很大的誤差，VaR 的有效性就大大降低。VaR繼承和發(fā)展了Markowitz證券投資組合理論中以收益率的方差衡量風(fēng)險的思想。但是這種信息一般難以得到，限制了這種方法的使用。他認為期權(quán)價格僅依賴于股票時價、無風(fēng)險利率、股票價格的波動量、期權(quán)到期時間、執(zhí)行價格。但該模型也有其明顯不足之處：一是模型的有效性驗證涉及到市場組合是否有效地驗證，這點在Roll[5]的文獻中有提及；二是將風(fēng)險僅僅限制與市場風(fēng)險，不考慮其它風(fēng)險；三是將收益與風(fēng)險的關(guān)系簡化為線性關(guān)系。為克服方差計量風(fēng)險的不足，Markowitz在這些質(zhì)疑的基礎(chǔ)上，排除可能收益率高于期望收益率的情況，提出了下方風(fēng)險（Down side risk）的概念[3]，即實現(xiàn)的收益率低于期望收益率的風(fēng)險，并用半方差( Semivariance)來計量下方風(fēng)險。首先，用方差計量風(fēng)險有一些嚴格假設(shè)：要求證券市場是有效的，信息完全，證券的收益率服從正態(tài)分布，投資者具有凸形的效用函數(shù)等等。在Markowitz創(chuàng)立的證券投資組合理論中，他以期望收益率度量投資收益，以收益率的方差衡量風(fēng)險，將收益與風(fēng)險這兩個原本有點主觀色彩的概念明確為客觀、具體的數(shù)學(xué)概念，將效用作為收益和風(fēng)險的函數(shù)。準(zhǔn)確地測量證券投資基金風(fēng)險是提高我國證券投資基金風(fēng)險管理效果和促進證券投資基金市場健康發(fā)展的關(guān)鍵。因此基于國內(nèi)外文獻研究的基礎(chǔ)上，本文試圖應(yīng)用GARCHVaR模型，對我國開放式股票型基金市場風(fēng)險進行測量和分析，對比不同分布下各模型計算出的VaR值的準(zhǔn)確程度，從而為風(fēng)險管理中計算VaR時模型的采用以及分布的假定提供一個更好的借鑒。面對快速增長的資產(chǎn)管理規(guī)模和愈發(fā)復(fù)雜多變的金融市場，研究如何將國外通用的風(fēng)險管理手段運用于國內(nèi)的證券投資風(fēng)險管理具有較強的實際意義。隨著我國加入WTO，世界經(jīng)濟的波動對我國經(jīng)濟的影響漸漸加大，如何保持經(jīng)濟持續(xù)健康發(fā)展是我們的重要任務(wù)。我國基金行業(yè)經(jīng)過短短幾年的快速發(fā)展，目前已經(jīng)初具規(guī)模，成為名符其實的朝陽產(chǎn)業(yè)，是我國證券市場上重要的機構(gòu)投資者。在經(jīng)濟高速發(fā)展和資本運作全球化的今天，金融風(fēng)險不僅僅會影響個別金融投資機構(gòu)的正常運營和生存，甚至還可能對一個國家乃至整個世界的經(jīng)濟和金融的穩(wěn)定和發(fā)展造成嚴重威脅。在沒有出現(xiàn)股票、基金和其它的金融衍生品之前，市場相對來說比較穩(wěn)定，經(jīng)濟往來往往也只局限于個體或小部分群體之間，還遠遠沒有形成完整的金融體系，市場的風(fēng)險最主要的是人為的信用風(fēng)險。s securities investment funds and promote the key to healthy development of the securities investment fund market. Since 1993 measure the market risk VaR, VaR has been widely used as an advanced risk measurement methods.This article is based on the theory of GARCH model and VaR method, an empirical study on the risk of the securities investment fund from a quantitative point of view. The first randomly selected 10 China39。并運用Kupice失敗頻率檢驗法對模型進行返回檢驗以驗證模型的準(zhǔn)確性。本文基于GARCH模型和VaR方法的理論，從定量的角度對證券投資基金的風(fēng)險進行了實證研究?；贕ARCH和VaR的證券投資基金市場風(fēng)險模型畢業(yè)論文目 錄摘 要 ⅠABSTRACT Ⅱ第1章 引 言 1 1 2 2 5 7第2章VaR方法理論及計算方法 9 VaR基本理論 9 VaR定義 9 VaR的假設(shè)及一般表達式 9 VaR影響因素的選擇 11 VaR的計算方法 12 VaR的計算原理 12 12 13第3章 基于GARCH模型的VaR方法 15 15 GARCH模型理論基礎(chǔ) 16 16 18 18 18 GARCH—VaR的計算步驟 19 VaR的返回檢驗 20第4章GARCH—VaR實證研究 22 22 22 22 24 25 27 ARCH效應(yīng)檢驗 31 GARCH模型設(shè)定 31 35 VaR模型的返回檢驗結(jié)果及分析 35第5章 結(jié)論與展望 37致 謝 38參考文獻 39附 錄 42表 21不同VaR計算的優(yōu)缺點 14表 31 VaR模型驗證的非拒絕域 21表 41 華安創(chuàng)新ADF檢驗 24表 42 博時精選ADF檢驗 24表 43 樣本基金日收益率序列ADF檢驗結(jié)果 24表 44 樣本基金的統(tǒng)計和基本分析結(jié)果 26表 45 樣本基金收益率ARCH LM檢驗結(jié)果 31表 46 正態(tài)分布下GARCH模型估計結(jié)果 33表 47 t分布下模型的估計結(jié)果 34表 48 GED分布下模型的估計結(jié)果 34表 49 基金VaR計算結(jié)果 35表 410 各VaR計算模型返回檢驗的失敗個數(shù) 36圖 21 VaR的形象表示 10圖 31 金融數(shù)據(jù)實際分布與正態(tài)分布的比較 15圖 32 VaR—GARCH計算流程圖 20圖 41 華安創(chuàng)新日凈值時序圖 23圖 42 南方穩(wěn)健成長日凈值時序圖 23圖 43 華安創(chuàng)新收益率時序圖 23圖 44 南方穩(wěn)健成長收益率時序圖 23圖 45 華安創(chuàng)新柱狀圖及相關(guān)統(tǒng)計量 25圖 46 博時精選柱狀圖及相關(guān)統(tǒng)計量 25圖 47 易方達策略成長柱狀圖及相關(guān)統(tǒng)計量 25圖 48 華安創(chuàng)新收益率序列自相關(guān)與偏自相關(guān)圖 27圖 49 博時精選收益率序列自相關(guān)與偏自相關(guān)圖 27圖 410 易方達策略成長收益率序列自相關(guān)與偏自相關(guān)圖 28圖 411 南方高增長收益率序列自相關(guān)與偏自相關(guān)圖 28圖 412 長城久泰滬深300收益率序列自相關(guān)與偏自相關(guān)圖 29圖 413 南方穩(wěn)健成長收益率序列自相關(guān)與偏自相關(guān)圖 29圖 414 金鷹優(yōu)選收益率序列自相關(guān)與偏自相關(guān)圖 29圖 415 德盛精選收益率序列自相關(guān)與偏自相關(guān)圖 30圖 416 華夏收入收益率序列自相關(guān)與偏自相關(guān)圖 30圖 417 萬家180收益率序列自相關(guān)與偏自相關(guān)圖 3032013屆信息與計算科學(xué)專業(yè)畢業(yè)設(shè)計（論文）摘 要隨著證券投資基金種類不斷增加和投資規(guī)模的迅速擴大，我國證券投資基金市場所面臨的風(fēng)險也日益顯露。首先隨機選取10只我國股票型開放式基金凈值，時間區(qū)間從2009年4月15日到2013年4月15日，以對數(shù)收益率作為基金的研究對象。研究結(jié)果表明，相比之下基于GARCH—GED模型計算出的VaR結(jié)果更能反映樣本基金的真實風(fēng)險。s equity openend fund net, the time interval from April 15 2009 to 2013, the number of yield as the object of study of the Fund. By data analysis software on data descriptive statistics analysis, analysis of samples Fund has a distribution of nonnormality, no autocorrelation, partial autocorrelation, fat tail and volatility clustering characteristics. According to the results of the analysis to establish a GARCH model based on the VaR calculation methods, in the return series follow a normal distribution, t distribution and generalized error distribution (GED) under three different distributional assumptions to estimate the risk of China39。但是近些年來，隨著世界經(jīng)濟的迅猛發(fā)展，經(jīng)濟往來范圍通常更廣，不僅僅局限于某個國家內(nèi)部而是國與國之間的直接對話。比如1998年的亞洲金融風(fēng)暴，由美國次貸危機而進一步引發(fā)的2008年的世界金融危機，美國雷曼兄弟的倒閉，以及美國加州奧蘭治縣破產(chǎn)，日本大和銀行事件等等一系列的重大金融風(fēng)險事件的發(fā)生。但伴隨而來的是，基金的投資風(fēng)險也逐步增加。我國引進VaR方法的歷史雖然很短，還只是在一個起步階段，但是無論是政府還是企業(yè)都給予了充分的重視，在我國一些大型企業(yè)、銀行、或其它的金融機構(gòu)都有自己的風(fēng)險管理部門，并且開發(fā)和改進了利用VaR進行風(fēng)險管理的軟件。VaR方法作為作為一種先進的風(fēng)險度量方法得到了廣泛的運用，該方法最突出的優(yōu)點就在于它的綜合型，概括性，充分借鑒世界先進的風(fēng)險管理模式，探索我國金融市場資產(chǎn)價格的波動特征，建立適合我國金融市場特點的模型，對于證券投資領(lǐng)域來說也是十分必要的。對于提高金融風(fēng)險管理的有效性與合理性有一定參考價值，對于促進GARCH模型下的VaR方法的理論基礎(chǔ)與實證技術(shù)的有機結(jié)合有實際意義。 國外文獻綜述最近幾十年來，風(fēng)險管理理論在整個金融理論中所處的地位不斷提高。從而可以解決投資組合中的最優(yōu)化問題，它標(biāo)志著現(xiàn)代證券投資理論的開端。但根據(jù)Fama[2]等人的研究證明，證券投資的收益率不服從正態(tài)分布，同時凸性效用函數(shù)的假設(shè)也不符合實際。雖然半方差計量法反映了投資風(fēng)險的特征和投資者的真實心理感受，但由于半方差統(tǒng)計量計算的復(fù)雜性超過了概念上的適用性，Markowitz沒有用半方差指標(biāo)來計量風(fēng)險。Jensen于1968提出了特雷納測度：用資產(chǎn)組合的值除以其非系統(tǒng)性風(fēng)險，它測算的是每單位非系統(tǒng)性風(fēng)險所帶來的非常規(guī)收益。Stephen A. Ross[6]于1976年針對針對單因素的CAPM模型提出套利定價理論（APT），從無風(fēng)險套利的角度來說明風(fēng)險的來源。Sheedy[8]等在滿足目標(biāo)收益率的約束下，運用二次規(guī)劃求解資產(chǎn)組合風(fēng)險的最小化，建立了當(dāng)風(fēng)險變化時資產(chǎn)分配決策模型。VaR模型依然是在方差的基礎(chǔ)上描述風(fēng)險；在VaR模型中，收益率被看作一個隨機變量，隨機變量的方差用于描述風(fēng)險的大小，隨機變量取值的概率被用來描述不同程度風(fēng)險發(fā)生的可能性，把一定時期的風(fēng)險表示為在一定概率下，可能發(fā)生損失的最大金額；這樣就把全部資產(chǎn)組合風(fēng)險概括為一個以貨幣計量單位來表示的簡單數(shù)字，具有綜合性和概括性的優(yōu)點。針對金融時間序列波動的集聚性和收益率分布的尖峰厚尾特性，Engle（）在1983年提出的自回歸條件異方差（autoregressive conditional heteroskedasticity, ARCH）[13]方法，該模型是線性單變量方程。Engle（1986）提出了 IGARCH 模型，但在對數(shù)據(jù)厚尾性特征仍然擬合的不理想。EGARCH 模型用其他分布誤差過程取代正態(tài)分布處理峰度問題，合理的解釋了收益率序列的非對稱性特征；Lau(1990)等學(xué)者還陸續(xù)指出收益率序列概率分布的特征：第一是有偏性，而且偏度往往大于0，即概率分布是非對稱的,且通常是右偏，另一特點是尖峰厚尾性，峰度往往遠大于 3，這說明收益率波動幅度較大，在尖峰厚尾特性下，出現(xiàn)極端事件的概率高于正態(tài)分布假設(shè)下的可能性，這也體現(xiàn)出收益率服從傳統(tǒng)的正態(tài)分布的假定容易低估風(fēng)險。 國內(nèi)文獻綜述我國對VaR的研究較晚，且大部分都是對VaR計算方法的介紹和改進。鄭文通[20]全面介紹了國內(nèi)外先進VaR計算方法，并比較了各自的優(yōu)缺點，他指出VaR計算可分參數(shù)法和非參數(shù)法，非參數(shù)最具代表性的就是歷史模擬法，但是必須能夠獲得足夠多的歷史數(shù)據(jù)，隨著科技高速發(fā)展，歷史模擬法被廣泛應(yīng)用。VaR模型的預(yù)測準(zhǔn)確與否主要體現(xiàn)在它能否刻畫金融資產(chǎn)收益分布的“尖峰厚尾”特征。2001年，王春峰在文獻[21]中全面系統(tǒng)地介紹了以VaR為核心的風(fēng)險計量方法，指出了用Monte Carlo模擬法計算VaR所存在的缺陷，并提出了用馬爾科夫鏈來計算VaR值，對推動國內(nèi)VaR的研究起到了很大的作用。汪飛星（2002）[28]將 Pearson 分布應(yīng)用到 VaR模型的計算中，較好的處理了金融市場風(fēng)險分布的“厚尾”現(xiàn)象。最后，通過實證分析，并利用后驗測試，表明基于AR EGARCH GED模型的風(fēng)險價值能更好地刻畫我國股市的市場風(fēng)險。在對我國證券投資領(lǐng)域的研究中，眾多文獻[3237]針對我國基金具體情況，做了實證研究分析，并且從準(zhǔn)確性和有效性方面在理論運用上不斷加以改進。 研究方法與全文結(jié)構(gòu)本文采用由理論到實踐、抽象到具體的研究方法，通過文獻綜述研究