基于SV-M-POT-PSRM模型的期货维持保证金水平设定——关于沪深300股指期货高频数据的实证分析

保证金制度是期货市场风险管理体系的核心,而维持保证金水平的设定又是保证金制度中最为基本的内容。合理的维持保证金水平应兼顾期货市场的2个重要因素:稳定性和活跃度。考虑到常用的收益率序列遗漏盘中价格变动讯息,以沪深300股指期货5分钟高频数据为基础,结合期货实务操作特点,构造多头和空头的日内最大损失率序列,进一步提出一个新的波动率测度即日内最大损失率方差,并将随机波动均值内(SV-M)模型、极值理论的超阈值(POT)方法以及幂谱风险测度(PSRM)方法相结合,构建一个新的维持保证金水平设定模型(SV-M-POT-PSRM),据此分别进行多头和空头维持保证金水平的设置。与基于GARCH-M-VaR、GARCH-M-POT-VaR、SV-M-VaR和SV-M-POT-VaR等模型设定的维持保证金水平进行比较后发现,无论是在多头还是空头条件下,基于SV-M-POT-PSRM模型设定的维持保证金水平,既能更好地满足安全性要求又能使资金使用效率大幅提高。

SV-M模型下VaR和ES估计的极值方法

本文对随机波动均值内模型(SV-M)应用极值理论(EVT)的方法估计了金融回报的风险价值(VaR)和期望短缺(ES).用SV-M建模异方差金融回报时间序列,刻画了其波动聚类.用蒙特卡罗极大似然方法(MCL)来估计其参数.我们用基于一般帕累托分布(GPD)的EVT拟合SV-M模型的修正分布尾部,刻画了金融时序分布的肥尾特性.因此,本文的极值方法有效地克服了原有方法的缺陷,综合考虑了金融时序的波动聚类及其分布的肥尾特性,给出了合理的VaR和ES估计,对市场风险测度的研究进行了有益的探讨.