【正文】 n on stocks[J]. Journal of Finance. 1993(4) : 17791801. [8] Monica Billio,Loriana Pelizzon,“ValueatRisk: a multivariate switching regime approach”,Journal of Empirical Finance,7(2022):531554. [9]Ron,D’Vari,Juan,“Optimization of conditional ValueatRisk ”, Journal of Risk,2(arch:2022):2141. [10] Cherif Guermat,Richard ,“Forecasting value at risk allowing for time variation in the variance and kurtosis of portfolio returns”, International Journal of Forecast,18(2022):409419. [11] EViews 4 User’s Guide [12] 劉慧媛、鄒捷中 .GARCH 模型在股票市場風(fēng)險計量中的應(yīng)用 [J].數(shù)學(xué)理論與應(yīng)用 ,2022,26(2)： 91~92. [13] 閻海巖 .中國股市波動性研究 . 23 [14] 陳磊、任若恩、張金寶 .基于 GARCH 模型的風(fēng)險價值蒙特卡洛模擬 [J].系統(tǒng)工程， 2022， 14（ 7）： 57～ 60. [15] 龔妮 .GARCH 模型與 VAR 法在外 匯風(fēng)險度量中的應(yīng)用 [J].黑龍江對外經(jīng)貿(mào)，2022， 6： 29～ 30. [16] 田新時，李耀 .我國外匯風(fēng)險管理中內(nèi)部模型選擇 [J].運籌與管理， 2022（ 2）：50～ 53. [17] 易丹輝 .數(shù)據(jù)分析與 EViews 應(yīng)用 [M].北京：中國統(tǒng)計出版社， 2022. [18] 邱沛光 .GARCH 模型在 VaR 計量中的應(yīng)用 [J]. 陜西農(nóng)業(yè)科學(xué)， 2022（ 3）： 52～55. [19] 劉燦 .VaRARCH 框架下的投資組合最優(yōu)化 .碩士論文 [20] 胡月輝，葉俊 .因子 GARCHM 模型在 VaR 中的應(yīng)用 [J].理論新探 ， 2022（ 8）：29～ 31. [21] 陳澤忠，楊啟智，胡金泉 . 中國股票市場的波動性研究－ EGARCHM模型的應(yīng)用 . 決策借鑒， 2022(5). [22] 唐齊鳴 ,陳健 . 中國股市的 ARCH效應(yīng)分析 . 世界經(jīng)濟 , 2022(3). [23] 王玉榮 . 中國股票市場波動性研究－ ARCH模型族的應(yīng)用 . 河南金融管理干部學(xué)院學(xué)報 , 2022(5). [24] 楊超 ,馬薇 . 中國 A、 B股市場收益波動風(fēng)險的度量及比較 . 世界經(jīng)濟 , 2022(4). [25] 李萌 ,葉俊 . 中國股票市場風(fēng)險的實證分析研究 . 數(shù) 理統(tǒng)計與管理，2022(7). [26] 田華 ,曹家和 . 中國股票市場報酬與波動的 GARCHM 模型 . 系統(tǒng)工程理論與實踐 , 2022(8) . [27] 范英，魏一鳴，應(yīng)尚軍 .金融復(fù)雜系統(tǒng)：模型與實證 [M].北京：科學(xué)出版社，2022. [28] [英 ]特倫斯 . .金融時間序列的經(jīng)濟計量學(xué)模型 [M].北京：經(jīng)濟科學(xué)出版社， 2022. [29] 陳守東 ,俞世典 .基于 GARCH模型的 VaR方法對中國股市的分析 [J].吉林大學(xué)社會科學(xué)學(xué)報， 2022(4) . 24 [30]劉丹，楊德權(quán) .關(guān)于 VaR 若干度量方 法的準確性的比較研究 [J] .預(yù)測，2022(04) . 25 附 錄 1: RiskMetrics 的 EWMA 模型 VAR 計算程序 RiskMetrics 的 EWMA 模型 VAR 計算程序 !sig2_plus=0 !sig2_zero=0 !sig2_minus=0 for !i=325 to 424 load d:\liujin\eviews\fx series ly=log(y) series r=lyly(1) if !i=325 then !sig2_plus=*r(!i)^2+*r(!i)^2 !sig2_minus=r(!i)^2 !sig2_zero=r(!i)^2 else !sig2_plus=*!sig2_minus+*r(!i)^2 endif close fx load d:\liujin\eviews\temp1000 series random=(nrnd+nrnd++nrnd+nrnd+nrnd+nrnd+nrnd+nrnd+nrnd)/sqrt(10) sort random !var90=sqrt(!sig2_plus)*random(100) !var91=sqrt(!sig2_plus)*random(90) !var92=sqrt(!sig2_plus)*random(80) !var93=sqrt(!sig2_plus)*random(70) !var94=sqrt(!sig2_plus)*random(60) !var95=sqrt(!sig2_plus)*random(50) !var96=sqrt(!sig2_plus)*random(40) !var97=sqrt(!sig2_plus)*random(30) !var98=sqrt(!sig2_plus)*random(20) !var99=sqrt(!sig2_plus)*random(10) close temp1000 load d:\liujin\eviews\ewma_var_series ewma_v_90(!i325+1)=!var90 ewma_v_91(!i325+1)=!var91 ewma_v_92(!i325+1)=!var92 ewma_v_93(!i325+1)=!var93 ewma_v_94(!i325+1)=!var94 ewma_v_95(!i325+1)=!var95 ewma_v_96(!i325+1)=!var96 ewma_v_97(!i325+1)=!var97 ewma_v_98(!i325+1)=!var98 ewma_v_99(!i325+1)=!var99 save d:\liujin\eviews\ewma_var_series close ewma_var_series !sig2_minus=!sig2_zero !sig2_zero=!sig2_plus next 26 附 錄 2:假設(shè)匯率收益率數(shù)據(jù)序列為 t 分布的 ARCH 類模型 VAR 計算程序 GARCH(1,1)模型 VAR 計算程序 !i=325 for !i=325 to 424 load d:\liujin\eviews\fx series ly=log(y) series r=lyly(1) sample s0 !i325+3 !i sample s1 !i325+4 !i smpl s1 equation eq2 r c r(1) r(2) coef(1) mu=(1) coef(1) beta=(2) coef(1) zeta=(3) coef(1) omega=(4) coef(1) alpha=(5) coef(1) theta=(6) coef(1) tdf=3 smpl s0 series sig2=abs(omega(1)) series res=0 !pi=acos(1) logl ll1 logl logl1 res=rmu(1)beta(1)*r(1)zeta(1)*r(2) sig2=abs(omega(1)+alpha(1)*res(1)^2+theta(1)*sig2(1)) z=res^2/sig2/(tdf(1)2)+1 logl1=gammalog((tdf(1)+1)/2)gammalog(tdf(1)/2)log(!pi)/2log(tdf(1)2)/2log(sig2)/2(tdf(1)+1)*log(z)/2 smpl s1 (b,showopts,m=1000,c=1e4) !df=tdf(1) !muu=mu(1) !h2=abs(omega(1)+alpha(1)*res(!i)^2+theta(1)*sig2(!i)) close fx load d:\liujin\eviews\temp1000 series random_s=!muu+sqrt(!h2)*(rtdist(!df)+rtdist(!df)+rtdist(!df)+rtdist(!df)+rtdist(!df)+rtdist(!df)+rtdist(!df)+rtdist(!df)+rtdist(!df)+rtdist(!df))/sqrt(10) sort random_s !var90=random_s(100) !var91=random_s(90) !var92=random_s(80) !var93=random_s(70) !var94=random_s(60) !var95=random_s(50) !var96=random_s(40) !var97=random_s(30) 27 !var98=random_s(20) !var99=random_s(10) close temp1000 load d:\liujin\eviews\t\garch_var_series garch_v_90(!i325+1)=!var90 garch_v_91(!i325+1)=!var91 garch_v_92(!i325+1)=!var92 garch_v_93(!i325+1)=!var93 garch_v_94(!i325+1)=!var94 garch_v_95(!i325+1)=!var95 garch_v_96(!i325+1)=!var96 garch_v_97(!i325+1)=!var97 garch_v_98(!i325+1)=!var98 garch_v_99(!i325+1)=!var99 save d:\liujin\eviews\t\garch_var_series close garch_var_series next GARCH(1,1)M 模型 VAR 計算程序 !i=325 for !i=325 to 424 load d:\liujin\eviews\fx series ly=log(y) series r=lyly(1) sample s0 !i325+3 !i sample s1 !i325+4 !i smpl s1 equation eq2 (v,c=1e3) r c r(1) r(2) coef(1) gama=(1) coef(1) mu=(2) coef(1) beta=(3) coef(1) zeta=(4) coef(1) omega=(5) coef(1) alpha=(6) coef(1) theta=(7) coef(1) tdf=3 smpl s0 series sig2=abs(omega(1)) series res=0 !pi=acos(1) logl ll1 logl logl1 res=rmu(1)gama(1)*sig2beta(1)*r(1)zeta(1)*r(2) sig2=abs(omega(1)+alpha(1)*res(1)^2+theta(1)*sig2(1)) z=res^2/sig2/(tdf(1)2)+1 logl1=gammalog((tdf(1)+1)/2)gammalog(tdf(1)/2)log(!pi)/2log(tdf(1)2)/2log(sig2)/2(tdf(1)+1)*log(z)/2 smpl s1 (b,showopts,m=1000,c=1e4) !df=tdf(1) !muu=mu(1) !h2=abs(omega(1)+alpha(1)*res(!i)^2+theta(1)*sig2(!i)) close fx 28 load d:\liujin\eviews\temp1000 series random_s=!muu+sqrt(!h2)*(rtdist(!df)+rtdist(!df)+rtdist(!df)+rtdist(!df)+rtdist(!df)+rtdist(!df)+rtdist(!df)+rtdist(!df)+rtdist(!df)+rtdist(!df))/sqrt(10) sort random_s !var90=random_s(100) !var91=random_s(90) !var92=random_s(80) !var93=random_s(70) !var94=random_s(60)