基于极值理论的沪深股市风险度量

选取了沪市和深市近10年的日收盘价数据,对上证综合指数和深证成分指数的日对数收益率进行风险度量研究。根据数据的尖峰、肥尾和非对称性等特征,在EGARCH模型和Beta-skew-t-EGARCH模型中加入极值理论的POT模型去刻画其尾部分布特征,对比了EGARCH-t模型、EGARCH-t-POT模型和Beta-skew-t-EGARCH-POT模型分别在95%和99%置信水平下的VaR值,并用返回检验来检验VaR的有效性。结果表明:Beta-skew-t-EGARCH模型能够很好地刻画金融时间序列的尖峰、肥尾特性和非对称性等特征;加入极值理论的POT模型有效提高了模型有效性。从总体来看,波动率模型和极值理论的结合能较好地刻画金融市场的风险。

我国消费行业间风险度量及相依性研究

对食品加工制造、饮料制造、服装家纺、白色家电、汽车整车行业板块指数进行风险度量及相依性研究,构建ARMA-GARCH-偏t模型,求得95%、99%置信水平下的VaR序列检验风险度量效果,采用C-Vine Copula与D-Vine Copula模型对由经验累积分布函数转化的99%置信水平下的VaR序列进行相依性研究,结果表明:ARMA-GARCH-偏t模型风险度量效果较好;C-Vine Copula表明服装家纺为风险传递的中心行业;D-Vine Copula表明饮料制造与汽车整车行业相关性最弱,D-Vine Copula模型更能体现行业间的风险相依关系。

基于Skew-t-GJRGARCH(1,1)模型的5G板块风险度量研究

本文对5G板块进行风险度量研究,结果表明:对数收益率序列存在有偏、尖峰厚尾、非正态的特征,同时具有ARCH效应;通过拟合不同分布下的GJRGARCH(1,1)模型,发现5G板块不存在杠杆效应;采用GJRGARCH(1,1)模型在不同分布下进行VaR计算,由Kupiec检验得到基于skew-t分布的GJRGARCH(1,1)模型可以更好地度量5G板块的金融风险,其可信度和稳健性强。