硕士毕业论文衡量期货风险的h股指数参数研究
论文类型：硕士毕业论文
论文字数：
论点：方法,模型,股指
论文概述：
本文通过对国内外关于风险度量研究方法，指出了股指期货的发展在我国推出的重要意义
论文正文：
引言1.1本文的研究背景和研究目的1.1.1研究背景 中国以沪深300股指为标的物的股指期货即将推出，股指期货作为一种非常重要的金融衍生工具，其推出后的意义在于一方面将有助于吸引资金，扩大股票市场规模，增强市场流动性;另一方面有助于优化投资者的结构，提高机构投资者的投资比重。 股指期货的首要功能在于规避风险，从而利于金融市场的发展;然而，金融衍生品又是把双刃剑，如运用不当，却很可能成为最大的风险之源。 1995年，有233年历史巴林银行尼克·里森(Nick Leeson未经授权在新加坡国际货币交易所(SIMEX)从事东京证券交易所日经225股票指数期货合约交易失败，致使巴林银行亏损6亿英镑而被迫宣告倒闭。美国大卫阿斯金投资银行，由于预测利率走势失误，损失了6亿美元;因衍生工具交易，日本东京证券公司损失了32亿美元，德国冶金公司损失18亿美元;从最近国际上案例来看，2008年初，法国兴业银行因期货交易员非法操作而遭受49亿欧元巨额损失。金融衍生工具的威力同样也让中国遭受巨损，2004年中航油(新加坡)因石油衍生产品交易，总计亏损5.5亿美元;2005年，因交易员刘其兵违规做空伦敦金属交易所(LME期铜造成国家发改委下属的国储局巨亏近10亿元;2008年，中信泰富违规操作套保，亦巨亏15亿港元。 这些实例都充分说明了金融市场风险度量在金融机构风险管控中的重要地位。而我国金融市场目前仍存在体质不完善，市场结构不对称，高级金融人才匾乏，国内机构股指期货操作经验缺失等一系列缺陷，使得股指期货的推出之后同样面临着一些重大风险，而在美国金融危机引发的全球经济危机波及至今的环境下，股指期货风险测量方法的研究则显得尤其重要和紧迫。1.1.2研究目的 度量金融资产风险的方法有许多种，例如均值分析方法，灵敏度分析方法，基于VaR值的度量方法等等，但目前最常用的即是依据VaR值的测量方法。VaR值本身虽是一个简单的概念，即处于风险中的价值(Value at Risk，但为计算VaR值，人们又提出了关于VaR值的许多不同计算方法，例如参数方法和非参数方法等。因此在使用VaR值来测量市场风险时，所涉及到的计算方法的选择，模型参数的确定，以及VaR值的准确性和精确度的检验等问题;同时在VaR值的基础上，CVaR值的计算方法和最终的检验也只能在通过采用不同方法去实际估计VaR和CVaR值之后才能得出答案。 本文所谓的H股指数期货风险度量的参数方法研究，就是利用基于中国内地股票概念的金融衍生品种—H股指数期货的收益波动数据为实证载体，研究在采用参数方法计算YaR值过程中的模型优化等一系列问题。 首先，观察H股指数期货收益率的波动是否同样和其他大多数的金融资产一样具备尖峰厚尾性和波动的集聚性;其次，着重研究何种模型的组合能够较好地估算出其VaR值，然后比较不同模型之间的优劣，以寻找出最适合H股股指期货的风险测度模型;最后，本文在VaR值计算方法的基础上，进一步研究CYaR值的具体实现方法，并观察条件分位数的重要作用。总之，YaR模型能否有效地测量H股股指期货收益的波动风险，计算YaR值的不同方法之间的比较，各方法的内部之间在不同分布假定情况下的比较，YaR值和CYaR值之间的比较，以及最终对未来VaR值和CYaR值的预测问题等等都是本文试图解决的问题，从而为沪深300股指期货正式推出之后的风险测度提供较好借鉴作用。 此外，需要阐明的是，YaR值和计算YaR值的方法是两个不同的概念，YaR值仅仅是度量风险的一个数值指标，是在一定条件下的数量标准;而计算VaR值的方法有多种，例如下文中的参数方法、非参数方法等—对计算YaR值方法的研究才是本文的研究重点。1.2对国内外关于风险度量研究方法的综述 金融风险管理的基础和核心是对风险的定量分析和评估，其特征表现在损失是一种未来发生但现在无法确定，然而相应的风险度量值现在就需计算出来。从国内外对金融风险度量的方法来看，主要经历了从传统的均值方差分析、灵敏度分析，到目前的YaR模型(非相容)和CvaR模型(相容)以及目前最新的动态相容风险度量发展过程。此外，部分学者还单独提到了波动性方法，但本文认为波动性方法存在仅仅描述资产收益的偏离程度，却没有描述偏离的方向等缺点，同时又考虑到市场因子的波动性测度又是计算YaR值的核心，H股指数期货|极值理论|风险所以本文把波动性方法归纳在基于YaR值度量的模型体系中。1.2.1均值方差分析方法 1952年，马柯威茨( Harry Markowitz)发表题为((证券组合选择》( PortfolioSelection)的论文，标志着现代金融学的开端。该文论述了确定证券收益与风险的主要原理，建立了均值一方差模型的框架以及二次规划方法，解决了最优证券组合问题，他所提出的证券组合理论被视为现代金融学的基石。该模型主要是假设投资者的效应函数由收益的均值和方差两个变量确定，其中收益的方差反映了投资风险。但是随着金融理论与实践不断深化和金融计量建模技术的不断发展，该理论的不足之处也逐渐 参考文献[1]Arrow,K.J. and Debreu, G .Existence of an Equilibrium for a Competitive Economy, Econometrica,1954 } 22,265一290. Artzner, Ph., F.Dealben,J.-M. Eber,and D. Heath, Coherent Measure of Risk, Mathematical Finance,1999,4,203^}228. Basle Committee on Banking Supervision, Amendement to the Capital Accord to Incorporate Market Risks,Basel,January,1996. Rochkafeller R T and Uryasey S. Optimization of Conditional Value-at-Risk[J].The Journal of Risk,2000,2(3):21一41. Gorden J. Alexander. CVaR as a Measure of Risk,Implicatons for Portfolio Selection,2003,2.22. Peng,S, Backward SDE and Related g-expectation, In \"El Karoui,N., Mazliak,L, (eds),Backward Stochastic Dif}eretial Equation,Ptiman Research Note Mathematical Series\", Vo1.364,Longman,Harlow,1997,141一159. Peng,S.Dynamicall Consistent Nonlinear Evaluations and Expectations. arXiv: math.PR/051415,2005,v124 Jan. Peng,S. The Pricing Mechanism of Contingent Claims and its Generating Function,to apperar,2005. Global Association of Risk Professionals (GAP).SCHWESER FRM 2008, BOOK 1(Quantitative Analysis):200一201中国期货业协会.期货市场教程.中国财政经济出版社，2007 558-559〔川王振龙.时间序列分析.北京:中国统计出版社，2000沃尔特·恩德斯.应用计量经济学:时间序列分析(第2版)，北京:高等教育 出版社，2006. 6菲利普·乔瑞(Philippe Jorion )，张淘伟彭永江译.金融风险管理师手册.北京: 人民大学出版社，2004: 193-194洪维恩，魏宝探.数学运算大师Mathematica4.北京:人民邮电出版社，2002汇15」易月‘辉.数据分析与Eviews应用.北京:中国统计出版社，2002[ 16]朱世武.基于SAS系统的金融计算.北京:清华大学出版社，2004: 274-279任淮秀.投资银行学.北京:中国人民大学出版社，2006[18]张萍.均值一方差一峰度资产组合优化模型.科学技术与工程，2008 1: 18^\'20[ 19]牛昂.银行风险管理的新方法.国外银行经营与管理，1997[20]李亚静，朱宏泉，何跃。基于VaR的风险分析理论与计算方法.预测，2000 5: 摘要 4-5 Abstract 5 目录 6-9 1 引言 9-16 1.1 本文的研究背景和研究目的 9-10 1.1.1 研究背景 9 1.1.2 研究目的 9-10 1.2 对国内外关于风险度量研究方法的综述 10-15 1.2.1 均值方差分析方法 10-11 1.2.2 灵敏度分析方法 11-12 1.2.3 VaR值度量 12-15 1.2.3.1 国际上VaR值度量方法的研究及CVaR值度量的提出 12-13 1.2.3.2 我国对VaR值和CVaR值的研究情况 13-14 1.2.3.3 国内外VaR值度量研究的最新趋势 14-15 1.3 本文的创新之处 15-16 1.3.1 研究对象上的创新 15 1.3.2 研究方法上的创新 15-16 2 股指期货风险评述及实证对象的确定 16-22 2.1 股指期货的发展在我国推出的重要意义 16-17 2.2 股指期货的主要风险种类 17-18 2.2.1 市场风险 17-18 2.2.2 基差风险 18 2.3 本文实证对象的选择 18-22 2.3.1 H股指数期货 19 2.3.2 新加坡A50股指期货 19-20 2.3.3 沪深300股指期货 20-22 3 VaR值的计算方法及其改进—CVaR值 22-27 3.1 VaR值计算的基本原理 22 3.2 VaR值的主要计算方法 22-25 3.2.1 参数方法 22-23 3.2.1.1 单一资产不同分布法 23 3.2.1.2 组合资产不同分布法(协方差矩阵法) 23 3.2.1.3 极值理论方法 23 3.2.2 非参数方法 23-24 3.2.2.1 历史模拟法 23-24 3.2.2.2 蒙特卡罗模拟法 24 3.2.3 参数方法与非参方法的优劣比较 24-25 3.3 VaR的改进—CVaR模型 25-26 3.4 VaR和CVaR的检验 26-27 4 本文采用VaR和CVaR的计算方法 27-36 4.1 GARCH族模型 27-29 4.1.1 GARCH(p，q)模型 27-28 4.1.2 EGARCH模型 28-29 4.1.3 PARCH模型 29 4.2 基于GARCH族模型中残差不同分布下VaR和CVaR值的计算 29-32 4.2.1 GARCH族模型下收益残差的三种分布假设 29-30 4.2.2 在收益残差不同分布下VaR和CVaR值的计算 30-32 4.3 极值理论模型 32-34 4.3.1 极值理论中POT模型 32-33 4.3.2 EVT-POT模型下阀值的计算 33 4.3.3 EVT-GARCH模型中VaR和CVaR的计算 33-34 4.4 本文所采用的计算VaR值的方法逻辑图 34-36 5 VaR与CVaR模型对H股指数期货风险度量的实证研究 36-54 5.1 数据的描述 36 5.2 正态性检验 36-38 5.3 平稳性检验 38-42 5.3.1 单位根检验 38 5.3.2 序列相关性检验 38-40 5.3.3 对均值方程拟和后的残差自相关检验 40-41 5.3.4 残差的ARCH-LM检验 41-42 5.4 GARCH族模型中参数的估计及VaR与CVaR值的计算 42-47 5.4.1 正态分布下计算VaR和CVaR的值 42-43 5.4.2 T分布下计算VaR和CVaR值 43-45 5.4.3 GED分布下计算VaR和CVaR的值 45-47 5.5 EVT-GARCH模型下VaR和CVaR值的计算 47-51 5.5.1 阀值的确定 47-48 5.5.2 参数的求解与损失分位数的计算 48-49 5.5.3 EVT-GARCH模型下计算VaR和CVaR的值 49-51 5.5.3.1 VaRH股指数期货|极值理论|风险值的计算 49-50 5.5.3.2 CVaR值的计算 50-51 5.6 基于残差不同分布算法和EVT-GARCH模型的比较 51-52 5.7 基于最优模型(GED-PARCH)的预测应用 52-54 6 结论和政策建议 54-57 6.1 结论 54-55 6.2 建议 55-57 6.2.1 重视VaR和CVaR值风险度量方法的使用 55 6.2.2 大力培育机构投资者 55-56 6.2.3 加强复合型金融人才的培养 56-57 致谢 57-58 参考文献 58-60 在学期间发表的学术论文及研究成果 60-61 详细摘要