论文部分内容阅读
VaR(Value-at-Risk)即风险价值,是近年来在国外盛行的一种金融资产的风险评价工具。它有助于某一机构的管理者迅速、全面地了解所面临的市场风险的大小。因此,如何针对市场上时而凸现的风险,设计一种人们容易理解和掌握的计算和控制市场风险的方法,作为一个简单明了的度量市场风险的统计指标,一直是金融机构和监管部门所关心的问题。每一个VaR的使用都需要选择相应的预测模型。本篇文章考虑了上海综合指数在95% 的置信水平下对ARCH族8个模型进行选择。我们考虑了一个二阶段的选择过程。在第一阶段里,我们先对模型的统计性进行判断,如果在这个阶段有多个模型胜出的话,我们需要使用损失函数来进行第二阶段的挑选。通过挑选,发现EGARCH(1,1)和EGARCH(1,1)-M模型在第一阶段的统计检验中被排除,在第二阶段损失函数的检验中,GARCH(1,1)-M模型明显优于其余5个模型。由此出发,我们以GARCH-M模型作为代表,引入因子GARCH-M模型来计算VaR,并从实际数据出发计算了我国沪市6个指数的资产组合的一天期的VaR值以及各指数在此资产组合中表现出的一天期的风险价值,研究结果对调控股市大盘的风险以及进行投资决策具有一定的价值。为了克服VaR的不足,Rockafeller和Uryasev提出了条件风险价值-CVaR的风险计量技术,被学术界认为是一种比VaR风险计量技术更为合理有效的现代风险管理方法。本文在均值-方差的优化问题的理论基础上,将最大化均值的目标函数推广为考虑方差的不利影响后的修正均值,将CVaR做为控制风险提出一些新的投资组合模型问题。在最优解的计算过程中,还可以得到投资组合的VaR值。