高频数据Realized GARCH Copula模型构建及相关性测度

摘要

近年来，随着经济全球化进程的不断推进，世界金融格局产生了巨大的变迁，同时，潜在的金融风险也在逐步释放。在中国明显的表现是2015年A股市场的剧烈动荡，且作为中国资本市场对外开放史上的里程碑事件，“沪港通”的运行和不久前“深港通”的启动也引发了市场波动和投资等一系列风险，这再次提醒了广大投资者和监管机构，风险管理和金融市场相关性在金融市场的研究中有着不可忽视的重要地位。
　　对市场波动率的研究一直占据着风险管理领域的重要位置，随着金融高频数据的可得性越来越强，基于高频数据的已实现测度成为波动率研究的热点问题。基于这种情况，本文对Realized GARCH模型形式进行了推广，将其推广到厚尾分布的情形，并与传统的GARCH类模型进行对比。同时，考虑到不同的已实现测度的选取对模型效果的影响，采用四组具有层次性的高频数据已实现测度，构成对尾部风险度量的对比模型。在比较尾部风险度量的效果时，采用VaR效果和两个在金融市场风险管理视角下的损失函数，进一步提高模型比对结果的稳健性。对于市场间的相关性测度，本文建立Realized GARCH Copula模型，该模型采用推广的Realized GARCH模型作为边缘分布函数从而整合高频数据中蕴含的更多的波动信息，利用t-Copula函数拟合市场间的相关性从而刻画其相关结构。
　　基于深证指数和恒生指数高频数据的实证结果表明，基于t分布的Realized GARCH模型的风险度量效果与传统的GARCH类模型相比更好;不同的已实现测度的纳入对Realized GARCH模型的风险度量效果有着显著的影响，并且对于不同的尾部风险水平，各个已实现测度的表现也是不尽相同的;本文构建的Realized GARCH Copula模型对相关性测度具有稳健性，总体而言，深港股市在“深港通”启动之前两者之间相关程度不深。

目录

摘要

第1章 绪论

1．1．1 研究背景

1．1．2 研究意义

1．2 文献综述

1．2．1 已实现测度的研究现状

1．2．2 Realized GARCH Copula模型的研究现状

1．3 研究思路架及框架

1．3．1 研究思路

1．3．2 基本框架

1．4．1 研究方法

1．4．2 研究创新

第2章 Realized GARCH模型及实证分析

2．1．1 GARCH模型

2．1．2 EGARCH模型

2．2 Realized GARCH模型参数估计及波动率计算

2．3 在险价值VaR

2．4 实证分析

2．4．1 数据选择与处理

2．4．2 基本统计信息

2．4．3 基于参数模型的波动率和VaR测度

第3章 不同已实现测度的Realized GARCH模型的实证对比

3．1 四组已实现测度介绍

3．2 模型的实证分析

3．3 模型评价

3．3．1 波动率预测效果比对

3．3．2 VaR度量效果比对

3．3．3 风险管理视角下模型效果比对

第4章 Realized GARCH Copula模型理论及实证

4．2 Realized GARCH Copula模型的构建

4．3 建立实证模型并分析

第5章 总结与展望

5．1 主要研究结论

5．2 展望

参考文献

致谢

声明