基于GARCH模型与SV模型利用EVT研究尾部风险测度

摘要

近年来，风险价值(VaR)已成为-种重要的度量市场风险的测度.鉴于此，如何准确地进行VaR的计算备受世人瞩目。本文介绍了VaR产生的背景、发展历程、基本含义及计算方法，指出推测市场因子的波动情况是计算VaR的关键GARCH模型风险测度的极值方法极为有效，但由于SV模型参数估计的困难陛，对SV模型进行风险测度的极值分析极为少见。 本文利用QML法和MCMC法分别估计GARCH模型和SV模型中的参数，并分别对这两个模型应用基于广义Pareto分布的极值理论来拟合模型残差的分布尾部，刻画金融时间序列分布的尾部特征，估计得到条件分位数(VaR)。由于VaR存在-些概念上的缺陷，所以本文同时研究条件期望损失(ES)。实证研究中，采用事后检验法说明基于SV模型计算的VaR与ES更为合理，更贴切地反应了金融市场的风险情况。

目录

文摘

英文文摘

声明

第一章 引言

§1.1研究背景

§1.2 VaR与ES的含义

§1.3 VaR估计的一般方法

§1.4本文主要工作

§1.5结构安排

第二章 研究方法

§2.1预备知识

§2.2 GARCH(1，1)模型

§2.3 SV模型

§2.4利用EVT估计条件VaR，与条件ES

§2.5门限的抉择

第三章 模型的实证分析

§3.1数据的选取

§3.2条件VaR的事后检验

§3.3条件ES的事后检验

第四章 总结与展望

参考文献

致谢