极值理论在测度中国股市VaR中的应用与比较

摘要

目前，很多有关金融风险的研究都是针对均值、方差、相关性，很少有人关注极端的波动情况。然而，一个又一个的教训已明确地表明忽略极端风险会带来巨大的损失，因此迫切需要一种工具来准确地测度它。极值理论(EVT)正是这样一种方法，它能有效地预测和防范金融极端风险。本文就是要将极值理论应用于测度中国股市VaR的实证研究之中。 本文首先介绍了有关VaR的基本内容，包括其定义、应用领域及传统的测度方法，并系统地对国内外文献进行了综述，接着阐述了极值理论自诞生以来的主要研究成果。在极值理论基本原理的基础上，本文总结了应用于VaR研究的三个极值模型，随后将其用于中国深沪两市股指日对数收益率的研究中。通过分析与比较，得到以下结论：(1)传统的VaR测度方法会低估潜在的损失，特别是在极端风险的刻画上，其估计值是无效的；(2)BMM模型能较好地反映故股指日对数收益率极大值和极小值序列的尾部特性；(3)GPD模型没有理论描述的那么完美，但通过与GARCH模型相结合，能显著提高其预测能力；(4)实证研究表明深沪两市股指日对数收益率的极大值序列是服从Frechet分布，极小值序列服从Gumbel分布，并由此得到了较为准确的VaR估计值。(5)股指日对数收益率极值序列所属的极值分布类型会随着市场形势的变化而变化。最后，本文探讨了极值方法未来在理论和实践上的一些研究方向，并对全文进行了总结。

目录

文摘

英文文摘

声明

1 引言

1.1研究背景

1.2问题的提出

1.3研究意义

1.4研究方法与论文框架

2.国内外文献综述

2.1国外的实证研究

2.2国内的实证研究

3研究方法与VaR模型选择

3.1 VaR的基本思想及其应用

3.2传统的VaR测度方法

3.3极值理论基础

3.3.1极值分布

3.3.2吸引场

3.3.3广义Pareto分布

3.4极值VaR模型

3.4.1区块最大法(BMM模型)

3.4.2 GPD模型

3.4.3 GARCH-GPD模型

4对中国股市的实证研究

4.1传统的VaR测度方法

4.1.1正态分布与t-分布

4.1.2历史模拟法

4.1.3方差协方差法

4.1.4蒙特卡罗方法

4.2统计性描述和正态性检验

4.3 BMM模型

4.3.1以5个样本为一区块

4.3.2以10个样本为一区块

4.3.3以20个样本为一区块

4.3.4渐进分布类型

4.3.5 BMM模型下的VaR估计

4.4 GPD模型

4.5 GARCH-GPD模型

4.6VaR模型的返回测试

4.7尾部的厚度

5结论与展望

5.1研究结论与意义

5.2未来的研究方向

参考文献

附录

后记