GARCH模型下的Var计算

在险价值(Valueat Risk)是一种由J.P.Morgen提出并不断完善的卓有成效的风险度量技术,GARCH模型可以很好地模拟并度量VaR值。文章讨论了基于不同分布假定下的GARCH模型在上海股市和深圳股市的VaR值,结果表明T分布和GED分布能更好地表现股市收益率的厚尾性,且深圳股市相比上海股市具有更大的风险性。     

基于GARCH模型的VaR方法在上证市场中的应用

VaR(Value at Risk,在险价值)作为市场风险的度量方法之一,能够有效地度量金融市场的风险。本文在介绍了VaR的概念、特点以及计算方法的基础之上,利用GARCH模型估计、预测股市的VaR值,并对上证指数进行风险度量的实证研究。分析结果表明基于GARCH模型的VaR方法能够较好地反映出股市的风险,适合在上证市场进行风险管理。     

基于VaR的我国上证股市风险的实证研究

VaR方法的引入使金融资产的风险分析得以量化,其实质是波动率的计算。本文正是基于VaR方法,通过计算不同模型在不同分布下的VaR值,对上海股票市场风险进行比较分析。分析结果表明,GED分布下各模型对风险高估或低估的现象均有所缓解。TARCH模型和EGARCH模型比GARCH模型更能反映我国股市波动情况且前两种模型间并没有绝对的优劣之分,都能较好地反映收益率的风险特性。     

我国银行间短期债券回购利率风险的度量研究——基于内部模型法(VaR)分析

本文用基于正态分布和t分布的GARCH类模型计算的VaR度量了我国银行间7天国债回购的短期利率风险,并与EWMA法、Delta-正态法和历史法对样本外动态VaR值计量的准确性进行了比较,得出以下几点结论:(1)EWMA和IGARCH(1,1)-N模型能够准确度量7天回购的利率风险;(2)EWMA方法的风险度量精度最高;(3)基于Delta-正态法、历史法以及基于t分布的GARCH类模型会严重高估风险;(4)基于正态分布的GARCH类模型的VaR并不会低估风险。     

基于半参数GARCH的沪深两市收益率波动和风险的实证研究

本文基于2005年1月4日至2009年11月30日的数据，运用GARCH模型研究上海和深圳两个股市间的收益率及波动性对于分析股市结构和判断股市走势及风险传递的意义。并运用半参数模型计算VaR值来测度金融市场风险。     

基于GARCH族模型的黄金市场的风险度量与预测研究

本文以上海和伦敦黄金市场的现货交易为对象,比较研究了不同分布假定下RiskMetrics、GARCH族及其衍生模型度量VaR值的精确程度,并对超前一天预测的VaR值进行了失败率检测和动态分位数测试。结果表明:两个市场的收益率分布均具有尖峰厚尾、波动集聚和长记忆性等特征;学生t分布很好的刻画了上海黄金市场的风险特征,而正态分布则适合描述伦敦黄金市场特征;上海黄金市场相比于伦敦黄金市场风险更大。     

基于VaR我国阳光私募基金市场风险研究

VaR方法称为风险价值模型,VaR模型测量风险简洁明了,统一了风险计量标准,VaR度量金融风险受到普遍关注。本文以阳光私募基金的风险度量作为研究对象,基于VaR方法,通过计算不同模型的不同分布值,论证GARCH模型能较好解决残差异方差问题以及分析阳光私募基金市场存在的投资风险问题。     

基于VaR我国阳光私募基金市场风险研究

VaR方法称为风险价值模型,VaR模型测量风险简洁明了,统一了风险计量标准,VaR度量金融风险受到普遍关注。本文以阳光私募基金的风险度量作为研究对象,基于VaR方法,通过计算不同模型的不同分布值,论证GARCH模型能较好解决残差异方差问题以及分析阳光私募基金市场存在的投资风险问题。     

中国股票市场风险度量的模型选择与比较研究

分别采用等权移动平均方法、指教加权移动平均方法、GARCH(1,1)方法、GARCH(1,1)-t方法和Pareto型极值分布方法计算上海和深圳股票日收益率的VaR.向后检验表明,Pareto型极值分布方法比其他方法更能准确地反映我国股市的风险.     

基于GARCH-VaR模型的股指期货风险度量实证研究

本文针对我国股指期货的风险问题进行了实证与规范研究。在总结了国内外关于股指期货风险度量与控制文献的基础上,综合阐述了VaR三种常见的计算方法。鉴于收益率通常存在尖峰厚尾的特点,本文重点应用基于GARCH模型的VaR方法,对沪深300股指期货IF1106合约进行风险度量的实证研究,计算出VaR值,并做了可靠性检验。分析结果表明基于GARCH模型的VaR方法适用于我国股指期货的风险管理。     

基于GARCH族模型对H股指数期货的VaR与CVaR值的实证研究

本文以港交所H股指数期货的收盘价格数据作为实证载体,基于GARCH族模型中残差的正态分布、T分布和广义误差分布（GED）三种不同情形,分别采用GARCH、EGARCH及PARCH模型,计算H股指数期货收益波动序列的VaR和CVaR值,结果表明基于广义误差分布的PARCH模型（GED-PARCH）无论在计算VaR值还是CVaR值方面都是最优的。     

基于GARCH族模型对H股指数期货的VaR与CVaR值的实证研究

以港交所H股指数期货的收盘价格数据作为实证载体，基于GARCH族模型中残差的正态分布、T分布和广义误差分布（GED）三种不同情形，分别采用GARCH、EGARCH及PARCH模型，计算H股指数期货收益波动序列的VaR和CVaR值，结果表明基于广义误差分布的PARCH模型（GED—PARCH）无论在计算VaR值还是CVaR值方面都是最优的。     

基于GARCH类模型和分位数回归的创业板市场隔夜风险度量

创业板市场的隔夜风险相对较大又较隐蔽,其隔夜收益的风险度量对创业板市场具有重要意义。采用GARCH类模型在误差分别是正态分布、t分布和GED分布下计算所选创业板股票指数收益的VaR降低误差分布对测算结果的影响,利用分位数回归计算VaR。研究比较发现,分位数回归具有比GARCH类模型更优良的预测结果,同时也发现误差服从GED分布时的预测结果更好。这里的研究方法和结论可以为创业板市场隔夜风险的度量提供有价值的参考。     

基于GARCH-VAR模型的股指期货市场风险度量研究

本文以沪深300股指期货的日收盘价格数据为实证载体,基于GARCH族模型中残差的正态分布、t分布和广义误差分布（GED）三种不同情形,分别采用GARCH、TGARCH和PARCH模型计算不同置信水平下沪深300股指期货收益波动序列的VaR值,结果表明：分布假定和置信水平对VaR的计算结果有显著影响,GARCH模型的选择对估计结果影响较小。但综合比较来看,基于广义误差分布的GARCH模型的估计效果最优。     

黄金市场波动特征与风险度量

本文应用GARCH族模型刻画了伦敦黄金市场收益率波动特征,在此基础上计算出黄金市场VaR值用以度量风险并进行了回测检验。研究结果表明,伦敦黄金市场受外部冲击时收益率波动存在非对称效应,好消息带来的波动相对更大,并且高风险并不意味着高收益。给定95%置信水平,在正态分布假定下,TARCH(1,1)模型的VaR值精确度最高,可有效度量伦敦黄金市场波动风险。实证分析为黄金市场参与者管理风险提供了参考。     

基于VaR-GARCH模型的我国沪铝期货市场风险度量的实证研究

本文将我国沪铝期货市场所面临的风险作为研究的主要内容,采用基于VaR-GARCH模型的风险度量方法对这些风险进行度量研究,以上海期货交易所2009—2011的730日期货沪铝收盘价为样本,基于VaR风险度量方法的基础上,将GARCH模型应用到VaR方法之中,在假设沪铝期货收益率服从正态分布的基础上,对沪铝期货市场的风险进行了实证研究,并对其研究结果进行了分析比较,发现基于GARCH的VaR方法能够比较准确的反应沪铝市场的风险状况。     

社保基金在证券市场的风险衡量及统计检验

作为老百姓"活命钱"的社保基金,其风险的测量和控制不但具有重要的理论意义而且具有重要的现实意义。本文利用VaR方法对入市的社保基金收益率的风险进行了度量,首先验证了收益序列存在ARCH现象,并建立t分布的收益率的GARCH(1,1)模型。根据GARCH(1,1)模型计算出社保基金的风险值和各年度的风险值的变化情况,揭示了社保基金收益率提高的同时风险值大幅度上升的事实,这对我国如何在基金风险控制与保值增殖的权衡中做出选择提供了新的思考。     

VaR：非对称成分GARCH模型的应用

采用ACGARCH模型在正态分布和广义误差分布下对上证综合指数的VaR值进行估计,然后把它与应用GARCH模型的估计结果进行比较分析,并进行了Kupiec失败率检验。     

基于GARCH模型的VaR方法在证券投资决策中的应用

由于股票市场的收益率具有尖峰厚尾及波动聚集的特性,使得对收益率的分析不能采用一般的方法,可以利用GARCH模型中的条件方差来度量其VaR,以此来消除股票日收益率的ARCH效应。将GARCH模型应用于我国证券市场中股票日收益率风险波动的计量,以民生银行和华夏银行为例,根据预测到的VaR值来计量股票风险波动的大小,从而得到同一行业中的哪只股票更有投资价值,为投资者提供正确的投资决策。     

基于GARCH模型VaR方法的银行板块风险研究

本文对GARCH模型和VaR方法在风险管理方面的应用先做了介绍,然后通过选取2008年1月2日至2012年11月21日银行类板块指数日收盘价作为数据样本,运用GARCH模型VaR方法对我国银行板块的风险进行了实证分析.实证结果表明我国银行股股指对数收益率序列存在集聚效应,GARCH模型能够很好的描述我国银行板块的波动情况,因而测量的VaR值能较好的反映我国银行板块面临的风险程度.