基于经验分布下GARCH模型对VaR的金融测度

李翠霞; 陈媛媛

doi:10.13471/j.cnki.acta.snus.2020.07.31.2020A038

您当前的位置：

首页 >

文章列表页 >

基于经验分布下GARCH模型对VaR的金融测度

研究论文 | 更新时间：2023-11-01

- 基于经验分布下GARCH模型对VaR的金融测度
- The financial measurement of VaR under the GARCH model based on empirical distribution
- 中山大学学报(自然科学版) 2021年60卷第4期页码：177-182
- 作者机构：
  
  1.徐州工程学院数学与统计学院，江苏徐州 221111
  2.兰州大学数学与统计学院，甘肃兰州 730000
- 作者简介：
  
  李翠霞（1981年生），女；研究方向：金融统计；E-mail：licuixia2002@163.com
  陈媛媛（1995年生），女；研究方向：金融时间序列分析；E-mail：yy18290671518@163.com
- 基金信息：
  
  国家自然科学基金(11301236)
- DOI：10.13471/j.cnki.acta.snus.2020.07.31.2020A038
  中图分类号： O212
- 纸质出版日期：2021-07-25，
  
  网络出版日期：2021-03-19，
  
  收稿日期：2020-07-31，
  
  录用日期：2020-12-23
扫描看全文
李翠霞,陈媛媛.基于经验分布下GARCH模型对VaR的金融测度[J].中山大学学报(自然科学版),2021,60(04):177-182.

LI Cuixia,CHEN Yuanyuan.The financial measurement of VaR under the GARCH model based on empirical distribution[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2021,60(04):177-182.
李翠霞,陈媛媛.基于经验分布下GARCH模型对VaR的金融测度[J].中山大学学报(自然科学版),2021,60(04):177-182. DOI： 10.13471/j.cnki.acta.snus.2020.07.31.2020A038.

LI Cuixia,CHEN Yuanyuan.The financial measurement of VaR under the GARCH model based on empirical distribution[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2021,60(04):177-182. DOI： 10.13471/j.cnki.acta.snus.2020.07.31.2020A038.

摘要

VaR（Value at Risk）在风险管理领域一直深受银行业和金融机构的重视，GARCH模型对VaR的测量是一个重要研究领域。然而在实际应用中，利用传统参数GARCH模型建模时需要指定条件分布形式，一旦分布指定错误将会导致模型失效。因此，我们在标准的GARCH（1，1）模型下，结合累积经验分布函数对残差进行修正，避免了传统参数分布由于事先指定错误带来的模型风险。经过实证研究发现，我们采用的方法比指定参数分布下的标准GARCH（1，1）模型在测量VaR方面有了很大改进，其失败频率和相对误差都显著降低。因此，文中采用这种创新的尾部分布形式在估计VaR值方面具有一定的实际应用价值。

Abstract

In the field of risk management， VaR has been highly valued and the measurement of VaR by GARCH model is an important research. In practical application， it is necessary to specify the conditional distribution form when using traditional parameter GARCH model for modeling. However， the model will become invalid if the distribution is specified incorrectly. Therefore， under the standard GARCH（1，1） model， the residual error is corrected in combination with the cumulative empirical distribution function， so as to avoid the model risk caused by the pre-specified error of the traditional parameter distribution. In the empirical research， it is found that the proposed method is greatly improved compared with the standard GARCH（1，1） model based on specified parameter distribution in the measurement of VaR， and its failure frequency and relative error are significantly reduced.

关键词

VaR标准GARCH（1，1）模型累积经验分布函数尾部分布

Keywords

VaRstandard GARCH modelthe cumulative empirical distribution functionthe tail distribution

references

JORION P. Value at risk： a new benchmark for measuring derivatives risk ［M］. Chicago： Irwin Professional Publishers， 1996.

ARTZNER P， DELBAEN F， EBER J M， et al. Coherent measures of risk ［J］. Mathematical Finance， 1999， 9（3）： 203-228.

ENGLE R F. Autoregressive conditional heteroscedasticity with estimates of the variance of united kingdom inflation ［J］. Econometrica： Journal of the Econometric Society， 1982， 50（4）： 987-1007.

BOLLERSLEV T. Generalized autoregressive conditional heteroscedasticity ［J］. Journal of Econometrics， 1986， 31（3）： 307-327.

BOLLERSLEV T， CHOU R， KEONER K， et al. ARCH modeling in finance： a review of the theory and empirical evidence ［J］. Journal of Econometrics， 1992，52： 5-59.

TAYLOR S J. Modelling financial time series ［M］. Singapore： World Scientific， 2008.

CHANG C L， JIMÉNEZ-MARTÍN J Á， MAASOUMI E， et al. A stochastic dominance approach to financial risk management strategies ［J］. Journal of Econometrics， 2015， 187（2）： 472-485.

FRANCQ C， ZAKOÏAN J M. Risk-parameter estimation in volatility models ［J］. Journal of Econometrics， 2015， 184（1）： 158-173.

WANG C S， ZHAO Z. Conditional value-at-risk： semiparametric estimation and inference ［J］. Journal of Econometrics， 2016， 195（1）： 86-103.

KUPIEC P. Techniques for verifying the accuracy of risk measurement models ［J］. The J of Derivatives， 1995， 3（2）： 73-84.

DICKEY D A， FULLER W A. Distribution of the estimators for autoregressive time series with a unit root ［J］. Journal of the American Statistical Association， 1979， 74（366a）： 427-431.

PHILLIPS P C， PERRON P. Testing for a unit root in time series regression ［J］. Biometrika， 1988， 75（2）： 335-346.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据