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模型的集装箱运价指数及其衍生品波动性研究

建立GARCH族模型对上海集装箱运价指数(SCFI)欧洲航线和美西航线指数、SCFI衍生品(欧洲航线和美西航线)价格的波动特征进行分析。ARCH效应检验发现只有美西航线衍生品价格去均值收益率序列存在条件异方差性,其他三个序列不存在ARCH效应。对美西航线衍生品价格去均值收益率序列建立GARCH模型,发现基于残差服从GED分布假设下的GARCH(1,1)最优,存在较强的波动持续性;美西航线衍生品收益率与风险无关。建立非对称GARCH模型分析美西航线衍生品价格去均值收益率的杠杆效应,TARCH和EGARCH模型均显示序列不存在杠杆效应。     

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。     

上海银行间同业拆放市场利率SHIBOR的波动性拟合分析

本文对2007年1月4日至2010年9月30日的上海银行间同业拆放市场的隔夜拆借利率序列应用正态分布、t分布和GED分布下的GARCH族模型进行了对比分析,结果显示,上海银行间同业拆放市场SHIBOR隔夜拆借利率序列杠杆效应不明确,拆借利率的分布对模型拟合结果影响较大．GED分布较正态分布和t分布能更好的拟合SHIBOR拆借利率序列的分布状况。     

基于GARCH模型族的沪深300波动率实证分析

本文以沪深300日收益率为分析对象,运用正态分布、学生t分布、GED分布下的GARCH、EGARCH、TGARCH,研究了沪深300自2005年4月8日发布以来至2013年3月30日的收益率的波动性,实证表明,沪深300波动具有尖锋厚尾性和高聚集效应;发现沪深300的收益率序列不服从正态分布且具有非对称性,其中基于GED分布的GARCH(1,1)是最优的拟合模型。     

浅析成交量对GARCH族模型的修正作用——房地产上市公司股价波动性的实证研究

本文采用GARCH-M模型对上证地产股指数日收益率序列数据进行拟合,分析收益率与风险之间的关系,并引入成交量解释该日收益率的ARCH效应。之后采用TGARCH和EGARCH模型分析上证地产股市场的杠杆效应,并引入成交量对拟合的结果进行了修正。得出成交量不仅能解释ARCH效应,而且将成交量作为GARCH族模型的一部分,可以对GARCH族模型的拟合结果进行修正,避免拟合结果出现与实际不符的谬误的结论。     

基于GARCH模型和VAR模型的中国股票市场实证分析——以深圳成分指数为例

本文以深圳成分指数为例,对深成指日收益率数据进行ARCH效应检验,GARCH建模,分别得出残差服从正态分布,t分布,GED分布的GARCH预测模型,并对三种模型的优劣进行比较,针对股市对利好,利坏消息的反映程度,在GARCH模型的基础上建立具有杠杆效应的TGARCH模型,探究市场对好消息和坏消息的敏感程度     

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。     

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族模型的VaR及CVaR方法在中国大陆股市中的应用

随着美国次贷危机爆发对全世界金融领域的冲击,更加加剧了中国股市的剧融波动和风险,这使得风险管理难度加剧,使得投资者投资更加困惑。为此．研究我国股市的市场波动和风险情况具有重要意义。本文对上证综合指教．上证180指数,深圳成份指数,在GARCH-N,GARCH—t,GAR．CH-GED模型的基础上计算Var值,对其进行了检验分析。发现上证综合指数,上证180指数。深圳成份指数的收益率走势大致相同．且都具有尖峰厚尾陛,适合用GARCH族模型进行建模和分析。因此,本文随后运用cVaR方法进行更加保守性的风险分析。通过对cvaR和VaR计算结果的比较．可以看出CVaR估计值比VaR估计值高得多,因此从总体上说,CVaR是一种可以覆盖更大风险的度量工具,再用CVaR的计算结果与实际风险相比较,可以看出CVaR确实可以有效降低实际失败的次数．并且更加保守严谨的估计股票市场风险。     

基于GARCH族模型族的创业板指数波动性研究

本文通过GARCH族模型族对44业板指数收益率的波动性以及波动的非对称性进行了相关的实证分析。经过对该收益率序列的实证分析．我们发现该序列具有使用GARCH模型的一些显著特征：尖峰厚尾、集群现象以及明显的异方差性。此外．序列波动的非对称性也比较显著，创业板股市对于负面消息的反应要大于正面消息。即负面消息能够产生更大的股市波动。最后．通过实证比较得出TGARCH（1．1）模型可以很好地描述创业板指数收益率的波动性。     

基于EGARCH-Copula模型的VaR方法在投资组合风险分析中的应用

GARCH族模型是金融计量学中用来描述或预测金融资产收益率波动的模型,通过对金融资产收益率波动的建模,可以得出未来金融资产收益率的条件分布。Copula函数可以用来描述多个随机变量间的相依结构,进而得出他们的联合分布。Copula自被引入金融产品分析以来,以取得了很多成果也被广泛使用。运用GARCH族模型进行资产组合中边缘分布的建模,继而使用Copula得到组合资产联合分布的方法来计算资产组合VaR值最早被吴振翔（2006）系统性地提出,但其中有许多问题仍需要完善。本文将继续这个思路,通过EGARCH模型更好地描述资产收益率的杠杆效应,以及考虑Copula函数中参数的时变性,来完善这一方法。     

基于 GARCH-EVT-VaR 模型的碳市场风险研究——以欧盟为例

本文选取最具代表性的欧盟碳排放权交易体系为研究对象,选用2008年3月3日至2012年12月31日洲际交易所官方网站公布的每日欧盟碳减排配额（EUA）期货市场价格作为分析对象,用 GARCH 模型估计厚尾分布下的EUA日收益率的波动性,并运用极值理论对收益率的尾部进行建模,得到在不同置信水平下有效而准确的VaR估计和ES估计,利用阈值法建立厚尾分布（GED 分布）下GARCH-EVT-VaR动态模型,并对该模型进行返回检验,进一步验证了该模型的准确性。结果表明基于极值理论的GARCH-EVT-VaR模型比传统模型更适合度量厚尾分布下的金融时间序列,是刻画碳市场尾部风险的有效工具。     

基于GARCH-VaR模型对沪深300ETF基金的实证分析

由于在金融领域内,GARCH模型在金融时间序列波动率的模拟以及金融风险的度量中都有着相对广泛的应用。故而本文基于GARCH模型以正态分布的假定度量Va R值的精确程度,并且对Va R值进行失败率检测。结果表明,沪深300ETF基金具有尖峰厚尾特特征;利用EViews8.0对基金收益率序列进行相关性检验,发现其具有强相关性。通过GARCH模型消除相关性,对收益率建模,有效预测估计了基金的Va R值。     

基于GARCH-CVaR的人民币汇率风险测度研究

本文运用GARCH-CVaR方法,在不同模型、不同分布、不同置信水平的假定下,对人民币汇率风险进行测度,研究表明,GARCH模型的种类对CVaR的计算结果影响不明显,而分布假定和置信水平对CVaR的计算结果影响显著。     

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。     

金融危机对中国股市波动影响的实证研究——基于GARCH模型族的分析

针对2008年由美国次贷危机引起的一场全球金融危机,利用GARCH模型族方法对金融危机前后中国股票市场的波动特征进行比较研究。本文首先对GARCH模型误差项的选择进行了比较,然后采用GARCH模型族对上证综指对数日收益率波动性进行分析研究。结论显示:上证综指的日收益率序列在金融危机前后均表现出波动的集群特征和"杠杆效应";金融危机之前,中国股市符合高风险高收益的特征,而金融危机之后,高风险并不意味着高收益;金融危机发生后,股票市场波动的持续性和长期记忆性减弱,意味着股票市场短期波动加大,短期风险增加。     

基于EGARCH-CVaR方法的保险资金直接入市风险分析——以吉林省为例

本文基于EGARCH模型和GED分布下的CVaR模型对保险资金直接入市的风险进行度量,实证测算了八只股票的个股及投资组合的绝对CVaR值和相对CVaR值,描述了各自的极端损失状况;金融机构可以根据个股值和组合值,设置风险资本或提取风险准备金,从而有效地监控潜在的极端损失。     

中美主要金融市场相关结构及风险传导路径研究——基于Copula理论与方法

金融危机背景下的股市表现出更加复杂的动荡性,本文在传统GARCH模型的基础上引入了风险值对收益率的影响因素,运用GARCH-M模型来刻画股票收益率序列边缘分布,通过构建GARCH-M-t边缘分布过滤模型获取收益率残差序列,最后采用Copula函数对边缘分布拟合后的残差序列建模构建出Copula-GARCH-M-t相关结构模型。经过参数估计及多种Copula函数的拟合优度检验,最终成功刻画出中美金融市场五大证券交易中心股票收益率之间的相关结构模型。通过秩相关系数、尾部相关系数等相关性度量工具对中美两国金融市场的相关性进行分析,最后通过对不同股票市场之间的尾部相关性分析确定两国金融市场之间风险传导路径。