非线性跟踪—微分器在VaR中的应用研究

摘要

风险测量是风险管理的核心和基础.VaR体系因其测量的综合性而成为金融市场风险测量的主流方法.VaR的概念虽然简单,但对它的度量却是一个具有挑战性的统计问题.围绕VaR的计算,中西方学者进行了深入探讨.计算VaR有三种主流方法,但每一种VaR计算方法都各有其不足之处.近年来人们对此提出了许多改进的方法.本文将利用控制论中的非线性跟踪—微分器对金融时间序列进行模拟和预测,试图提出一种新的仿真模拟方法,应用于VaR的计算.本文首先介绍了VaR模型框架,并对VaR的三种主流计算方法进行了详细的讨论,然后提出其不足之处和可以改进的地方;接着介绍非线性跟踪—微分器的一般理论,推导出二阶最速控制系统跟踪—微分器的离散形式,并且进行了数值仿真,然后将非线性跟踪—微分器应用于VaR的计算,得到非线性跟踪—微分器模拟VaR;最后,用非线性跟踪—微分器模拟VaR风险测量技术对中国股票市场进行实证研究,并且对三种VaR计算方法(Monte Carlo模拟VaR、历史模拟VaR、非线性跟踪—微分器模拟VaR)进行了比较分析和评价.

目录

文摘

英文文摘

第一章 引言

1.1金融市场风险管理VaR方法产生的历史背景

1.2 VaR方法的历史沿革和国内外研究动态

1.2.1 VaR方法的历史沿革

1.2.2国内外VaR研究动态

1.3本文所做的主要研究工作

第二章 金融市场风险测量VaR模型

2.1 VaR的概念

2.2 VaR计算的基本原理及经典模型

2.2.1基本原理

2.2.2经典VaR模型

2.3 VaR的几种基本计算方法及其最新进展

2.3.1方差－协方差法

2.3.2历史模拟法

2.3.3 Monte Carlo模拟法

2.4 VaR的主要计算方法述评及本文所做的创新改进工作

第三章 非线性跟踪—微分器一般理论及其对VaR模拟技术的改进

3.1非线性跟踪－微分器的一般理论

3.2几种具体的非线性跟踪－微分器

3.3 阶离散系统最速控制跟踪－微分器及其数值仿真

3.3.1二阶快速跟踪－微分器的离散形式

3.3.2二阶离散快速跟踪－微分器的数值仿真

3.4利用二阶离散快速跟踪－微分器进行股价的预测

3.5非线性跟踪－微分器在VaR测量技术中的应用

第四章 非线性跟踪—微分器VaR模型的实证效果评价

4.1 数据选取

4.2模型评价方法

4.3 实证分析

4.3.1 基于历史模拟法的VaR计算

4.3.2 基于Monte Carlo模拟法的VaR计算

4.3.3 基于非线性跟踪－微分器模拟法的VaR计算

4.4 实证结果的比较分析

第五章 结束语

5.1 风险测量方法研究的重要性

5.2 本文理论创新的意义

5.3 本文的缺陷及展望

引文和附注

主要参考文献

攻读硕士学位期间已公开发表的学术论文

致谢