中小板证券市场VaR估计精度实证研究 |
|
|
在显著的非对称效应,而债券市场是否存在非对称效应并不明确。江涛(2010)计算上海股票市场日收益的VaR值时,表明了GARCH和半参数模型的VaR方法比传统的方法更有效,并较好地刻画了我国现阶段证券市场的市场风险。 国内对于VaR及其度量方法的研究文献虽然较多,但对不同类型的VaR模型的估计精度研究却不多。目前主要用于计算VaR的方法有三类:参数方法、半参数方法和非参数方法。各类方法中依据不同的假设可以建立不同的VaR模型。因此,在选择不同类型的VaR估计模型时,对不同类型的VaR模型估计精度的研究显得尤为重要。 二、数据与研究方法 1、数据的选取 数据采用了深市综合指数日收盘价数据,时间为1990年12月19日至2005年12月31日,共3825个数据,之所以采用深市综指是为了避免个股各自表现的风险特殊性和片面性,也是为了能够合理评价各种估计模型变动性的需要。在3825个数据中,将2002—2005年的共716个交易日数据作为VaR估计的检验样本(需要说明的是,检验样本之所以没有选取2005年之后的数据,是由于在多种因素的影响下,我国股票市场在2005年后波动极为剧烈,属于特殊年份的数据,不宜作为VaR模型本身变动性的检验基础),并使用三类方法中的七种估计模型对VaR进行估计,最后对模型估计的变动性和偏离程度进行实证评价。 2、VaR估计模型 这里以深市综合指数日收盘价格数据为研究对象,置信水平设置为95%和99%两种情形,移动窗口选取50天、125天、250天以及500天四种情形(近似为两个月,六个月,一年和两年),使用参数方法(选用简单移动平均法(SMA)、指数加权移动平均法(EWMA)(三种参数设定)和GARCH族模型)、半参数方
法(选用蒙特卡罗模拟法)以及非参数方法论文联盟http://wWw.LWlm.Com(选用历史模拟法)来估计2002—2005年深市综合指数的每日VaR值,最后采用二重评价标准对三类VaR估计方法的模型变动性进行实证检验。 文中主要用于计算VaR的模型简述如下。 (1)参数类方法。参数类方法选取了简单加权移动平均法、指数加权移动平上一页 [1] [2] [3] [4] [5] [6] [7] [8] 下一页 |
|
|
|
上一个论文: 中小板、创业板罕见恐慌性杀跌 下一个论文: 深圳市中小板上市公司收益状况的实证分析 |
|