基于已實現EGARCH模型的股票市場風險度量方法研究.pdf

1、“互聯網+”時代催生了眾多嶄新的金融模式和金融產品，加之國內外政治和經濟環(huán)境的不斷變化，防范金融風險逐漸成為政府與實業(yè)界的工作重心。隨著云計算、大數據等新技術的發(fā)展，對金融高頻數據進行收集、分析的技術日益成熟，基于已實現測度的波動率預測和風險度量逐漸成為研究熱點，但是基于Realized EGARCH模型對中國股市進行風險度量的研究亟待補充。本文對已實現EGARCH模型的殘差分布進行拓展，嘗試利用非參數和半參數方法對條件方差進行估計，并

2、比較了不同分布假設和不同參數估計方法下已實現EGARCH模型對滬深300指數收益波動率和VaR的預測效果。
　　本文以R-EGARCH模型為主要研究對象，選擇股票市場中代表性指數——滬深300作為主要實證分析樣本。首先研究了學生t分布和GED分布假設下R-EGARCH模型的參數估計方法，并應用其對滬深300指數進行波動率預測和VaR度量，同時探討了二元已實現測度模型的預測效果;其次，本文提出已實現EGARCH模型波動率方程的非參數

3、和半參數估計方法，從而對滬深300指數進行波動率預測和風險度量，并與參數估計法下預測結果進行對比;最后將單一變量模型推廣至多元情況，提出多元DCC-REGARCH模型及其參數估計方法，據此對滬深300指數和互聯網金融指數之間的相關性進行研究，并得到該指數組合的VaR測度。
　　本文基于R-EGARCH模型對滬深300指數進行波動率預測和VaR風險度量，實證分析結果顯示:厚尾分布假設能夠提高R-EGARCH模型預測精度，其中基于學生

4、t分布的R-EGARCH模型表現出較高的預測精度;至于對波動率的預測效果，參數法R-EGARCH模型的預測精度顯著高于非參數以及半參數方法下的預測精度;相較于只包含RK的R-EGARCH模型，基于RK+DR多重測度的R-EGARCH模型對波動率和VaR預測都表現出較高的精度;不同置信水平下各種模型的VaR預測效果有較大差異，而R-EGARCH模型傾向于獲得較少的失敗天數;多元DCC-REGARCH模型能夠有效度量滬深300指數和互聯網金