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。     

沪深股市的波动性研究

本文以最新的上证综合指数和深圳成分指数为研究对象,运用GARCH模型对比分析沪深股市周收益率波动的动态特征,并对两个股市的波动特征进行了比较     

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VaR的我国股市市场风险度量

本文基于EGARcH-t模型,利用VaR方法分析计算了从1997年1月2日到2009年4月3日的我国股市上证综合指数的市场风险价值,度昔了该时期不同阶段上证综合指数的市场风险状况.     

基于EGARCH模型VaR和CVaR方法的传媒板块风险度量研究

本文以2008年1月2日至2013年5月3日传媒指数日收盘价数据作为实证载体,运用EGARCH模型度量波动性,并计算95%置信水平下传媒指数对数收益率的VaR和CVaR值,从而对我国传媒板块的风险进行实证分析。实证结果表明,EGARCH模型能够较好的描述我国传媒板块的波动情况,并且CVaR方法在覆盖风险方面比VaR方法更优。     

基于pair_Copula_CVaR模型的保险投资组合优化

本文基于pair_Copula_CVaR模型对保险投资组合进行优化.选用977个交易日的上证指数、上证国债指数、上证基金指数和SHIBOR为样本数据,采用GARCH模型对单个资产建模,运用pair_Copula模型估计投资组合的联合分布,并通过Monte Carlo方法得到投资组合未来收益的多个可能情景,求得组合VaR和CVaR,得到使CVaR最小时的投资比例.实证研究表明,为了使风险值最小,保险资金可以将大部分的资金投资到风险较小的银行存款和国债中,适当地投资到风险较大的股票和基金中.通过理论最优比例结合实际情况可动态调整保险投资的结构,有利于保险资产的合理配置和保险资金的高效利用.     

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。     

融资融券业务中折算率研究

本文旨在研究融资融券业务中可冲抵保证金证券的折算率,在了解融资融券业务的相关法律法规以及GARCH族模型和VaR方法后,构建应用了单一市场风险的收益率-折算率模型,共选取上证180指数中84只成分股进行研究,根据构建的折算率模型计算出每只股票的最适折算率,并和以往固定折算率进行对比分析,研究发现目前规定的上证180成分股所适用的70%的固定折算率过低。     

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。     

中国股市与汇市的波动溢出效应研究

以上证综合指数和人民币兑美元名义汇率为指标,运用多元GARCH模型对中国股票市场和外汇市场之间的波动溢出效应进行的实证研究表明,汇率制度改革后,我国股市与汇市存在显著的双向波动溢出效应,汇市对股市表现出较强的波动传导,而股市对汇市的波动传递相对较弱,存在着波动传导的非对称性。     

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.     

GARCH模型在金融风险测度中的应用——以2005～2010年沪深指数为例

通过建立广义自回归条件异方差（GARCH）模型,运用标准化t（d）分布拟合法与Cornish-Fisher方法分别计算了中国上证和深证两大证券市场的VaR值。实证分析表明：标准化t（d）分布拟合法度量出的结果更符合中国现实,即沪深两市具有基本相同的系统风险,这种方法更适用于分析股市这类具有典型尖峰厚尾特征的金融市场;Cornish-Fisher方法对数据分布没有特殊要求,存在着放大市场风险承受程度的倾向;总体而言,沪指VaR值略高于深指,这说明代表大型企业的上证综合指数相对于代表中小企业的深证成分指数可承受的系统性风险临界值更高,即具有更高的风险抵御能力。     

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模型的中国股票市场波动性研究

2015年我国股市经历了大起大落,股市的剧烈动荡使我们有必要对其目前的波动性进行研究,发现其问题所在。本文主要对我国股市近几年的波动情况进行了研究,从股市波动的统计分析入手,再借助GARCH族模型对我国股市的波动特性进行了完整的分析。本文以上证综合指数为研究对象,以2009年4月1日到2016年3月31日共1700个日收盘价数据为样本区间对我国股票市场波动性进行了研究。通过建立GARCH(1,1)模型、TGARCH(2,1)模型和EGARCH(1,2)模型对上证综指的波动特征进行了实证分析,得出上证综指存在ARCH效应且其波动存在聚集性、持续性和非对称性的特点。     

GARCH类模型在我国地产板块风险度量中的应用研究

本文以2008年1月2日至2013年5月6日地产指数日收盘价数据作为实证样本,运用GARCH和EGARCH模型度量波动性,分别计算95%置信水平下地产指数对数收益率的VaR,从而对我国地产板块的风险进行实证分析。实证结果表明,GARCH模型和EGARCH模型都能够较好的描述我国地产板块的波动情况,但是GARCH模型在覆盖风险方面比EGARCH模型更优。     

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。