VaR-FIAPARCH模型与上证基金指数风险价值

下载PDF

导出

摘要通过对我国上证基金指数的日收益率序列的基本统计分析发现,收益率序列存在尖峰厚尾性,不服从正态分布,但杠杆效应不显著,而且收益率和方差都具有显著的长记忆性。由此建立ARFIMA-FLAPARCH-skt模型来计算基金指数的在险价值VaR,并对结果进行实证检验,结果显示相对于不考虑波动率长记忆性的ARFIMA-APARCH模型,ARFIMA-FLAPARCH-skt模型在1%及更低的显著水平上对于多头和空头计算VaR可以得到较好的度量结果。

作者赵翔宇宁洪阳

机构地区山东大学威海分校数学与统计学院

出处《现代商业》 2009年第17期37-39,共3页 Modern Business

关键词双长记忆 ARFIMA FIAPARCH VAR Skewed-t

分类号 F830.9 [经济管理—金融学] F830.91 [经济管理—金融学]

引文网络
相关文献

参考文献7

1Bollerslev,T.Generalized Autoregressive Conditional Heteroskedasttcity[J].Journal of Econmoetrics,1986,;31:307-327.
2Engle,R.F.Autoregressive Conditional Hetoroscedasticity with Estimates of the Variance of United Kindom Inflation,[J] Econometrica,1982,50:987-1007.
3Hansen B.Autoregressive Conditional Density Estimation[J] International Economic R,eviews,1994,55:705-730.
4Kupiec P H.Techniques for Verifying the Accuracy of Risk Measurement Models[J] Journal of Derivatives,1995,3:73-84.
5SangHoonKang Seong-MinYoon.Value-at--Risk Analysis of the Long Memory Volatility Process:The Case of Individual Stock Resturns[J].财务研究,2007,21:101-130.
6Tiono-Manuel Niguez.Volatility and VaR forecasting in the Madrid Stock Exchange,[J] Span Econ Rev,2008,10:169-196.
7Tse,Y.K.,Tsui,A.K.C,A Multivariate Garch Model with Time varying Correlations.[J] 1998,Forthcoming in Journal of Business,Economics and Ststistics.

1曹广喜,曹杰,徐龙炳.双长记忆GARCH族模型的预测能力比较研究——基于沪深股市数据的实证分析[J].中国管理科学,2012,20(2):41-49. 被引量：15
2吴圣涛."封转开"机会扑面而来[J].股市动态分析,2005,0(13):70-70.
3龙夕左.基于GARCH模型对基金指数收益率波动性的实证研究[J].财讯,2016,0(19):51-52.
4阎红.封基的价值回归之旅[J].证券导刊,2007,0(39):74-75.
5梁金莺.坚定持有，坚持买入[J].私人理财,2006(11):30-30.
6卢旺.基于FIAPARCH-skt的纽约黄金期货波动分析[J].经营管理者,2011(17):140-140.
7曹广喜.我国股市收益的双长记忆性检验——基于VaR估计的ARFIMA-HYGARcH-skt模型[J].数理统计与管理,2009,28(1):167-174. 被引量：15
8王泓娜,宋立新.基于偏态分布的风险度量计算[J].大连理工大学学报,2012,52(4):615-618.
9窦晓,马志鹏.论我国股票市场与基金市场的联动关系[J].经济论坛,2010(10):5-7. 被引量：1
10刘澄,张玲.投资组合行业配置的动态VaR研究——基于时变Copula-GJR-Skewed-t模型[J].金融理论与实践,2013(9):7-11.

现代商业

2009年第17期

浏览历史

内容加载中请稍等...

VaR-FIAPARCH模型与上证基金指数风险价值

参考文献7

相关作者

相关机构

相关主题

浏览历史