本站小編為你精心準(zhǔn)備了金融市場風(fēng)險(xiǎn)價(jià)值的計(jì)算參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

一、引言

隨著世界經(jīng)濟(jì)的日益復(fù)雜化，金融市場在其運(yùn)作過程中面臨風(fēng)險(xiǎn)增大的趨勢，市場風(fēng)險(xiǎn)成為國內(nèi)外經(jīng)濟(jì)領(lǐng)域關(guān)注的焦點(diǎn)，其中市場風(fēng)險(xiǎn)的度量與監(jiān)測是整個(gè)風(fēng)險(xiǎn)管理理論的基礎(chǔ)與核心。在這種情況下，早在1993年JPMorgan公司提出來VaR模型，它有助于金融管理者全面測量市場風(fēng)險(xiǎn)。與此同時(shí)，金融資產(chǎn)時(shí)間序列常常表現(xiàn)出“尖峰厚尾”、“波動(dòng)集群”等特征，本文選取了GARCH類模型來改進(jìn)傳統(tǒng)風(fēng)險(xiǎn)計(jì)算方法所帶來的局限性，使計(jì)算結(jié)果與實(shí)際情況更加符合。

二、實(shí)證分析

1.數(shù)據(jù)的選取與處理本文以2014年1月2日到2015年9月10日滬深300日收盤指數(shù)為樣本，共取414個(gè)樣本值，以此來分析我國股市的風(fēng)險(xiǎn)。該數(shù)據(jù)來源于中國社會(huì)科學(xué)院金融研究所數(shù)據(jù)庫，并且通過Eviews5.0軟件得出本文所用圖形和計(jì)算結(jié)果。利用公式得到收益率為對數(shù)收益率rt=lnpt-lnpt-1，其中pt表示在t時(shí)刻的收盤指數(shù)，由此我們得到收益率時(shí)間序列{rt}的基本統(tǒng)計(jì)分析如圖1。根據(jù)圖1進(jìn)行分析，滬深300指數(shù)的收益率都在一個(gè)常數(shù)附近上下波動(dòng)，在一段時(shí)間內(nèi)較大的波動(dòng)后跟隨著大的波動(dòng)，相對小的波動(dòng)后伴隨著較小的波動(dòng)，呈現(xiàn)出波動(dòng)集群性。其Sk值小于零的，是左偏分布，并且峰度值8.5097明顯大于正態(tài)分布的峰度值3，這說明兩個(gè)收益率序列不服從正態(tài)分布，具有尖峰厚尾的特點(diǎn)。

2.收益率的平穩(wěn)性和相關(guān)性檢驗(yàn)由于非平穩(wěn)序列對后續(xù)模型的建立具有不利影響，本文利用ADF方法對收益率序列進(jìn)行平穩(wěn)性檢驗(yàn)。結(jié)果顯示，ADF統(tǒng)計(jì)量都小于1%、5%、10%的顯著水平臨界值，且P值為0，可以在95%的顯著水平下拒絕原假設(shè)，說明收益率序列沒有單位根，是平穩(wěn)的。通過序列的相關(guān)統(tǒng)計(jì)圖可以看出，收益率序列的自相關(guān)系數(shù)拖尾，偏自相關(guān)系數(shù)在滯后4階處存在相關(guān)性，因此對收益率時(shí)間序列建立均值方程。

3.GARCH模型的建立根據(jù)建立的回歸方程對其殘差進(jìn)行ARCH-LM檢驗(yàn)，判斷殘差序列是否具有ARCH效應(yīng)，檢驗(yàn)結(jié)果中χ2檢驗(yàn)的相伴概率P值為0，所以拒接原假設(shè)，即滬深300指的收益率序列具有高階ARCH效應(yīng)。在建立模型過程中，通過比較AIC與SC信息準(zhǔn)則，經(jīng)過反復(fù)計(jì)算得出GARCH(1,1)模型擬合效果最好，計(jì)算結(jié)果如表2所示。由表2可知，條件方差方程中各參數(shù)的z-統(tǒng)計(jì)量非常顯著，并且所對應(yīng)的P值都等于0，因此在檢驗(yàn)水平為5%的條件下這些參數(shù)是顯著的。并且方程中的ARCH項(xiàng)和GARCH項(xiàng)的系數(shù)都大于零，兩系數(shù)相加為0.971842小于1，滿足模型參數(shù)約束條件。由于系數(shù)之和非常接近于1，因而前期的沖擊對未來的影響是具有持久性的。接著對GARCH模型估計(jì)的殘差進(jìn)行ARCH-LM檢驗(yàn)，其結(jié)果顯示接受原假設(shè)，殘差不存在條件異方差，因此可以用GARCH模型做進(jìn)一步計(jì)算。

4.VaR值的計(jì)算與檢驗(yàn)基于上述GARCH模型生成其條件方差，然后代入公式VaR=Pt-1aht，可以得到VaR估計(jì)值。本文選取不同的置信水平來比較對計(jì)算VaR值所帶來的影響，表3給出了VaR的一些統(tǒng)計(jì)結(jié)果及檢驗(yàn)數(shù)據(jù)。由表3可以看出，以置信水平為95%的情況為例，有95%的把握可以將指數(shù)的損失控制在105.1435以下，但我們不能簡單的認(rèn)為VaR-GARCH模型完全估計(jì)出股市的風(fēng)險(xiǎn)程度，在股市波動(dòng)較大的時(shí)期往往存在低估風(fēng)險(xiǎn)的情況。

三、小結(jié)與展望

由于收益率時(shí)間序列是尖峰厚尾的，本文在模擬VaR-GARCH模型時(shí)采用的是正態(tài)分布的情況，與實(shí)際情況有一定差別，可進(jìn)一步計(jì)算在其他分布下的估計(jì)值進(jìn)行比較。另外，本文只介紹了一種模型，還可利用GARCH-M、EGARCH、TARCH等模型進(jìn)行改進(jìn)，提高預(yù)測的準(zhǔn)確性。

作者：解怡萌 王婧伊 單位：遼寧師范大學(xué)