金融时间序列的时序性特点分析及相应的风险测度方法研究

摘要

金融时间序列的风险测度一直是金融学研究的热点，自马科维茨提出均值-方差来度量金融风险，风险测度的研究得到了长久发展。出现了很多度量金融时间序列风险的指标，如VaR，CVaR等。对于这些风险度量指标，无论是方差、VaR还是CVaR，在计算过程中均使用方差来表征时间序列的波动性和不确定性，得到的风险值同时间序列的排序大多无关。而本文经论证得出金融时间序列的风险与序列排序是有关系的，即有时序性，用方差表征时间序列的波动性和不确定性有局限性。国内外学者对于时间序列风险的时序性特点研究较少，目前尚未有系统阐述时序性特点的研究。为此，本文研究分析了金融时间序列风险的时序性特点，对不同的时间序列的波动性和不确定性进行了研究分析。
　　针对如何将时序性特点引入到金融时间序列的风险计算中的问题，本文分别采用两种方法进行研究。第一种方法是设计时序性指标——时序方差TV2代替方差来描述时间序列的不确定性和波动性，从而将时序性引入到风险值的计算中；第二种方法是建立ARMA-GARCH模型计算得到条件方差，进而计算时间序列的风险值。本文采用CVaR值来表征金融时间序列的风险，并选择蒙特卡洛模拟法作为计算方法。针对样本数据分布呈现的尖峰厚尾特性选择GED分布运用到蒙特卡洛模拟法中。利用本文提出的两种方法对CVaR值的计算进行优化，建立时序性CVaR，称为 T-CVaR，并与蒙特卡洛模拟法相结合分别建立了TV-MC模型和ARMA-GARCH-MC模型。为验证本文建立的两种模型，选取2010年2月4日至2015年3月5日的上证综合指数的日收盘指数为研究对象进行了实证分析，并与未进行时序调整的传统计算模型的结果进行比较。结果表明，经过时序性调整后的两种模型结果均优于未经时序调整的结果。对结果分析得到两种模型存在不同的局限性，因此本文将两种模型结合建立了ARMA-TV-GARCH-MC模型，并得到了更加理想的结果。

目录

封面

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题来源及研究的背景和意义

1.2 国内外在该方向的研究现状及评述

1.3 本文研究主要内容

1.4 研究方法与技术路线

第2章 与金融时间序列风险相关的预备知识

2.1 一致性风险测度理论

2.2 VaR模型简介

2.3 CvaR模型简介

2.4 ARMA-GARCH模型

2.5 本章小结

第3章 金融时间序列风险的时序性特点和时序性指标的建立

3.1 有关方差不能很好地表达金融时间序列风险的论证

3.2 同一组随机收益率的不同排序的差别

3.3 结合MACD指标考察时间序列重新排列的效应

3.4 具有相同的期望与方差的不同收益率序列的差别

3.5 设计描述金融时间序列不确定性的时序性指标的若干原则

3.6 基于单元段折点波动法建立时序性指标

3.7 时间序列时序性指标TV的合理性检验

3.8 本章小结

第4章 蒙特卡洛模拟法结合时序性的T-CVaR计算模型

4.1 借助于TV指标构造相应的条件在险价值指标的设想

4.2 T-CVaR概念的引入

4.3 运用蒙特卡洛模拟法估计CVaR的步骤

4.4 基于时序方差TV2的蒙特卡洛模拟法的T-CvaR模型建立

4.5 基于ARMA-GARCH的蒙特卡洛模拟法的T-CVaR模型建立

4.6 本章小结

第5章 基于时序性调整的T-CVaR计算模型实证分析

5.1 金融资产收益率的统计学检验

5.2 TV-MC模型的实证分析

5.3 ARMA-GARCH-MC模型的实证分析

5.4 时序方差TV2优化ARMA-GARCH-MC模型的实证分析

5.5 本章小结

结论

参考文献

声明

致谢