基于HMM-GARCH模型的VaR方法及其在农业股市的应用

文章利用隐马尔科夫模型在状态划分上的优势,将隐马尔科夫模型(HMM)与GARCH模型结合建立HMM-GARCH模型来度量金融资产风险价值(VaR)?首先对收益率序列建立隐马尔科夫模型,将股票市场分为正常状态与异常状态,用Baum-Welch算法估算模型的参数,再采用Viterbi算法估算收益率序列所对应的隐状态序列,根据隐状态序列将收益率序列分为两类,分别建立HMM-GARCH模型估算VaR?最后利用GARCH模型?MRS-GARCH模型?HMM-GARCH模型对北大荒股票(600598)数据进行了实证分析,采用Kupiec-失败频率检验法对估计的VaR值进行检验?实证结果表明,基于HMM-GARCH模型的VaR方法能更好的描绘和预测该股票的风险?

基于GARCH-GED分布模型的证券投资基金风险度量

随着基金行业改革的推进,市场风险日益成为证券投资基金面临的主要风险。基于收益率序列的波动聚集特征,在计算VaR时对方差-协方差法进行了改进:为描述分布的尖峰厚尾特性,假定其收益服从GED分布;为描述条件方差的时变性,将GARCH模型引入VaR计算,并以10只开放式基金为样本进行实证分析。结果表明:基于GARCH-GED模型的VaR方法比传统方法更有效,能够较好地刻画证券投资基金的市场风险。