APP下载

基于VaR—GARCH模型的沪深300股指期货风险度量研究

2014-11-24许坚朱晓阳

中国连锁 2014年9期
关键词:金融资产模型

许坚 朱晓阳

【文章摘要】

国外预测股指期货的风险基本是以VaR方法为主,而计算股指期货的VaR值最重要的是估计波动性的参数。因为金融资产价格的收益率时间序列具有尖峰厚尾效应,所以采用GARCH模型对波动性参数进行估计。实证结果表明VaR-GARCH模型可以很好地预测并控制股指期货风险。

【关键词】

股指期货;VaR-GARCH;尖峰厚尾效应

目前,由于VaR模型度量金融资产风险已经非常普遍。投资者可以运用VaR模型,准确地衡量资产组合的风险,以分散风险。但是,VaR模型没有考虑尖峰厚尾的现象。因此,本文结合GARCH模型,共同研究沪深300股指期货的风险。

1 模型简介

1.1 VaR模型

VaR(Value at Risk)是指在一定的置信水平下,某个金融资产在未来一定时间内的最大可能损失。用公式表示为:prob(ΔP

其中,对于投资者来说,方差-协方差法是最为常用的,也是最简单的方法,因此,在之后的实证分析中,将采用方差-协方差法。

1.2 GARCH模型

波勒斯列夫T.Bollerslev于1986年提出了广义自回归条件异方差(GARCH)模型,GARCH模型用一个或多个的滞后值代替了许多的滞后值。这种设定通常可以在金融领域得到解释,特别适用于波动性的分析和预测。GARCH模型能对投资者的决策起到至关重要的指导作用。其表达式如下:

均值方程:

式中为t时刻的沪深300股指期货收益率;为沪深300股指期货收益率序列的均值;为残差。

条件方差方程:

式中, 为的条件方差,为滞后系数,为常数项,为回报系数。

2 实证研究

2.1数据选取

在股指期货中,合约月份为当月、下月以及随后的两个季月。……

登录APP查看全文

猜你喜欢

金融资产模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
金融资产的分类
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
论金融资产转移的相关问题探析
国家金融体系差异与海外金融资产投资组合选择
对交易性金融资产核算的几点思考
金融资产转移
一个相似模型的应用