基于贝叶斯分位回归的证券市场风险测度研究

摘要

随着我国金融体系的不断发展,证券市场的规模也在不断扩大,但同成熟市场相比,我国证券市场起步晚,还处于初级阶段,各方面还不成熟,市场所隐含的风险更大。证券市场风险已成为金融机构、投资部门以及广大群众关心的重要问题。特别是近期美国次贷危机的爆发给证券市场造成了巨大震荡,证券市场的风险测度问题更加引起关注。自20世纪90年代以来,风险价值(Value-at-Risk,简称VaR)模型被引入到金融风险管理中,现在已经成为应用广泛的风险度量和管理工具,VaR模型大大提高了风险度量的科学性。当数据具有尖峰厚尾特征,存在显著异方差等情况时,普通最小二乘方法不再是无偏估计且稳健性差,并且传统的计算风险价值的方法假定条件难以得到满足。为了克服普通最小二乘法在回归分析中的缺陷,本文从分位回归理论出发,在非对称Laplace分布基础上结合贝叶斯方法对证券市场的风险测度进行了研究。
　　 本文首先对贝叶斯分位回归理论和证券市场风险测度理论进行了较全面的回顾。然后总结了分位回归模型的参数估计方法和贝叶斯理论分析,并详细归纳了风险价值的计算方法、评价方法。在此基础上,本文构建了分位回归风险测度模型,利用逆跳马尔可夫链蒙特卡罗算法对模型进行识别,并对分位回归风险测度模型进行贝叶斯参数估计。最后采用上证综合指数对证券市场的风险测度进行了实证研究。研究结果表明,逆跳马尔可夫链蒙特卡罗法能准确识别模型,贝叶斯分位回归风险模型能对风险价值进行准确估计。