38000字硕士毕业论文分位数回归模型与金融风险相关性的案例分析

论文类型：硕士毕业论文

论文字数：38000字

论点：风险,模型,位数

论文概述：

首先介绍了本文的研究背景和意义，突出了在与日俱增和金融市场不断开放的今天对投资的风险进行分析和管理的重要性。然后针对国内外研究者关于H险价值(VaR)、条件VaR、分位数回归的研究现

论文正文：

第一章导言

1.1研究的背景和意义
虽然全球金融市场的效率已经大大提高，但市场波动性和系统性风险的速度也在加快。由于20世纪80年代初债务危机的影响。银行普遍开始重视信贷风险的防范和管理，这导致了巴塞尔协议的诞生。该协议通过为不同类型的资产指定不同的权重来量化风险，这是银行风险的一般分析方法。随着20世纪90年代以来衍生金融工具和交易的快速增长，市场风险日益突出。几场震惊世界银行和金融机构(如巴林银行、大和银行等)的重大危机促使人们关注市场风险。一些主要国际银行已经开始建立自己的内部风险衡量和资本配置模型，以弥补《巴塞尔协议》的不足。主要进展包括:一种新的市场风险度量方法——风险价值法(VaR)。这种方法的主要代表是摩根银行的“风险矩阵”系统。银行业绩计量和资本配置方法——信孚银行的“风险调整资本回报率(RAROC)”体系。
近年来，一些大银行已经意识到信用风险仍然是主要的金融风险，开始关注信用风险度量中的问题，试图建立度量信用风险的内部方法和模型。其中，两个信用风险管理系统，日本信用度量。摩根士丹利和瑞士信贷金融产品(csfp)的信贷风险，吸引了最多的关注。自1997年亚洲金融危机爆发以来，世界金融业的风险(如1998年美国长期资本管理公司的亏损)呈现出一个新的特征，即亏损不再是由信贷风险和市场风险相结合造成的。金融危机促使人们更加关注市场风险和信用风险的综合模型以及操作风险的量化，因此综合风险管理模型引起了人们的关注。
经过多年努力，风险管理技术已经达到可以积极控制风险的水平。目前，相关研究侧重于现有技术的完善和补充，并试图将风险价值评估方法扩展到市场风险以外的其他风险领域(包括信用风险、结算风险和操作风险)。中国金融市场是一个新兴市场。自2003年以来，面对股票市场的大幅波动，大多数证券公司都更加关注和未能防范委托理财业务的风险，导致巨额亏损甚至破产。我国金融机构市场风险管理的低效已经成为一个不可忽视的问题。随着2001年中国加入世贸组织和金融市场化的深入，如何有效管理市场风险成为21世纪中国金融机构面临的一大挑战。
传统的资产负债管理过于依赖金融机构的报告分析，缺乏及时性。资产定价模型(CAPM)不能整合新的金融衍生品，而用方差和P系数衡量风险只能反映市场(或资产)的波动性。这些传统方法难以准确定义和衡量金融机构存在的金融风险。1993年，G30集团在对衍生品研究的基础上发表了一份关于“衍生品实践与规则”的报告，并提出了一个衡量市场风险的风险值(VaR)风险值模型(“风险估值”模型)。稍后，太平绅士。摩根大通引入了风险度量风险控制模型来计算风险值。在此基础上，介绍了一种用于风险值计算的信用度量风险控制模型。前者用于衡量市场风险。JP披露的信用计量技术。摩根士丹利已成功将标准风险值模型的应用范围扩展至信用风险评估，并将其发展为“风险信用值”模型。当然，计算信用风险评估的模型比市场风险评估模型更复杂。目前，基于VaR的金融风险度量已经成为大多数国外金融机构广泛使用的金融风险度量方法。

1.2文献综述

1.2.1国内外风险值方法文献综述
风险值(Riks的风险值)方法是目前最流行的风险测量方法。莫格兰的风险管理人员开发了一个名为“风险度量”(Risk Metrics)的系统，在该系统中提出了VaR的概念，并在正态分布假设下引入了参数法、历史模拟法和蒙特卡罗模拟法三种VaR计算方法。此后，30国集团发表的研究报告《衍生产品的实践与规则》开始推广风险值法的使用。VaR的概念简单，算法多样，但它的度量是一个具有挑战性的统计问题。世界各国学者对VaR的测量进行了深入研究。Kevin Dowd(；I998 [1]在他的专论中详细总结了1994-1997年有代表性的论文所做的研究工作:PhuPipeo Jorion(2005)[2]在他的专论中详细介绍了VaR的概念和各种计算模型。

第二章风险值方法概述

2.1风险值方法概述
风险值简称(风险值)可定义为“财务状况在一定时期内和一定置信水平(例如5%、1%)下面临的最大潜在损失”数学公式可以表示为:
蒙特卡罗模拟方法类似于历史模拟方法，只是蒙特卡罗模拟方法中使用的数据(每个风险因素的回报率)是由计算机伪随机数发生器模拟的。其具体步骤如下:
(1)将投资组合解构为风险因素，确定投资组合的初始值和每个风险因素；
(2)假设每个风险因素遵循联合正态分布，并使用历史数据估计均值和方差矩阵；
(3)从多元正态分布中取样，模拟计算第二天各风险因子的值；
(4)利用这些模拟的风险因子值，根据给定的组合定价公式计算资产定价的样本值；
(5)连续重复步骤(2)至(4)，获得模拟的概率分布和相应的风险值。

第三章分位数回归估计..............................20-25
3.1分位数回归的基本概念..............................20
3.2分位数回归模型及其估计..............................20-22[/比尔/] 3.2.1线性分位数回归模型及其估计..............................20-21
3.2.2非线性分位数回归模型..............................21-22[/比尔/] 3.3分位数回归检验..............................22-25
3.3.1瓦尔德试验..............................22-23
3.3.2等级测试..............................23
3.3.3似然比检验..............................23-25
第4章回归..............................25-33
基于虚拟变量分位数4.1模型选择标准..............................25-26
4.1.1r ~ 2..............................25
4 . 1 . 2 R2的校正..............................25 [/BR/] 4.1.3红池信息标准..............................25-26
4.1.4施瓦茨信息指南..............................26
4.2实证分析..............................26-33
4.2.1数据描述..............................26
4.2.2振幅估计..............................26-29
4.2.3线性分位数回归模型分析..............................29-31[/比尔/] 4.2.4分位数回归模型..............................31-33
与虚拟变量第五章Copula分位数回归和Copula函数..............................33-45
5.1外空委..............................33-34
5.2相关性度量..............................34-35
5.3测试最优Copula函数..............................35-37
5.4 Copula分位数回归..............................37
5.5阿基米德Copula分位数回归模型..............................37-39
5.6 Copula金融风险实证分析..............................39-44

结论

(1)构建了一个含有虚拟变量的分位数回归模型，以日内波动性作为衡量风险的条件，分析了上证指数和上证指数的条件风险值，并与无条件模型和线性分位数回归模型进行了比较。结果表明，虚拟变量分位数回归模型比无条件模型和线性分位数回归模型更能度量风险。
(2)研究了Copula模型和Copula分位数回归，推导了几种常见的阿基米德Copula分位数曲线，并给出了Gumbel Copula、Clayton Copula、FrankCopula分位数回归曲线。当利用Copula函数建立金融模型时，可以分别研究随机变量的边际分布和随机变量之间的相关结构，其中随机变量的边际分布的选择不受限制。此外，将Copula引入风险管理可以更准确地反映资产之间的关联结构，尤其是收益率的尾部关联结构，模型预测的准确性大大提高。本文将Copula函数和分位数回归相结合，构建了Copula分位数回归模型。Copula分位数回归模型不仅具有Copula能够很好地度量金融资产相关性结构的特点，而且具有刻画不同部分(如尾部)金融变量之间相关性的特点。本文对深交所上市股票的数据进行了处理，Gumbel Copula函数能够很好地模拟沪深300指数和深证成分指数的R收益率，在不同水平上，沪深300和深证成分指数具有很强的相关性。通过研究尾部相关性，风险管理者可以通过分析股票市场之间的尾部相关性来度量风险并做出适当的决策。创业板指数、深证指数和中小板指数构成了反映深交所上市股票运行情况的核心指数。本文用同样的方法分析了创业板指数与中小企业指数的相关性。这样，风险管理者可以根据尾部相关性预测一个股票市场大幅上涨时另一个股票市场大幅上涨的概率，并定量研究两个市场之间的相关性，预测市场的变化。及时做出相应的决策在金融风险管理中非常重要。

[1]多德·金，《超越风险价值:风险管理的新科学》，纽约，纽约约翰·威利父子公司，1998年。
[2]菲利普·乔瑞。风险值:金融风险管理新标准，[。中文翻译。中信出版社，2005。
[3]比德尔T.S. VaR:诱人但危险。金融分析师杂志。资本市场风险顾问公司，1995，12-14。
[4]阿尔兹纳·帕，德尔巴恩·福，埃伯·赫伯特·赫伯特·赫伯特·赫伯特·赫伯特·赫伯特·赫伯特·赫伯特·赫伯特·赫伯特·赫伯特·赫伯特·赫伯特·赫伯特·赫伯特·乔治·赫伯特·赫伯特·乔治·赫伯特·乔治·赫伯特·乔治·赫伯特·乔治·赫伯特·乔治·赫伯特·乔治·赫伯特·乔治《数学金融》，1999，(3): 203-228。
[5]斯坦尼斯拉夫·乌尔亚耶夫·泰里尔·罗卡夫勒。条件风险值的优化[。风险杂志，2000，2(3): 21-41。
[6]帕布洛·克罗克马克·乔纳斯·帕尔姆奎斯特，斯坦尼斯拉夫·乌尔亚耶夫。有条件风险目标和约束的港口物流优化[。http//\'ww.ise.ufi.edu^rvasev.2001.
[7]肖春来、柴文怡、杨伟。条件VaR (1)的应用与研究。《数理统计和管理补编》，2003年10月。[/比尔/] [8]小仓来，张越柴文怡。基于基廷经验分布的条件风险值计算方法研究[[]。数理统计与管理。第5期，2005年。
[9] komujer.1 .数量-条件数量的最大似然估计[j]。经济学杂志，第128卷，第1期。2005年9月。Pgaesl37-164。
[10]罗杰·巴塞特。回归量化[。计量经济学，1978年。46(1): 33-50。