GJR模型和MonteCarlo模拟法在测定上证综指的VaR中的应用.pdfVIP

维普资讯 Economic＆TradeUpdateVoL6Sum．No．93Feb．2008 GJR模型及MonteCarlo模拟法在测定上 证综指的VaR中的应用 高会见 李述山 陈力杰 晏学义 (山东科技大学信息科学与工程学院 山东 青岛 266510) 【摘要】 上证指数收益率的经验分布具有尖峰厚尾特征，本文以广义t一分布假设下的GJR模型为基础，测量了 上证指数收益率波动性的杠杆效应，并根据 GJR模型应用MonteCarlo模拟方法，测定上证指数 日收益率和持有 期收益率的风险价值 (VaR)。结果表明用GJR模型比均值 一方差模型和历史模拟方法计算的5％显著性水平 VaR值更接近实际收益率。 【关键词】 广义t一分布 GJR模型 MonteCarlo模拟 1 引言 = VaR(ValueatRisk)即风险价值 ，是20世纪90年代开始在国 ， {三 外盛行的一种金融资产的风险评价方法，目前，VaR在国际上已经 得到广泛应用。金融机构应用 VaR方法度量风险并进行风险控 ∑G+∑A，+去∑，J，l 制；新Basle协议依据VaR对跨国银行市场风险提出了资本充足性 要求，不少监管机构也采纳VaR为风险度量指标，并提出了具体的 监管措施。本文依据t分布假定下的GJR模型，以1997年 1月2 0 i：12，…，P 日到2004年7月20日上证指数 日收益率为样本数据，应用蒙特卡 罗模拟法预测2004年 7月 21日到2005年 1月 11日上海股票市 A ≥0 ． ／：1，2，…， 场 日收益率和持有期收益率的VaR值，并与均值一方差模型和历 A7+ 0 ／=1…2．．， (10) ． 史模拟方法计算的VaR做了比较 ，说明基于t分布假定的GJR模 ， 型的VaR值对上证综指收益率的风险提供了更精确的度量。 击 (s )提高了收益率的波动性 ，即存在杠杆效应。 2 GARCH与GJR模型 一 般的GARCH模型可以表示为： 只 、， ， +∑ 一+∑ ， + F1 ，=I (3) G,- ，，qt,， (4) 0 ，7，=七十∑(，+∑ 蠢， I l (5) 其中h为条件方差 ，u为独立同分布的随机变量，h与u互相 独立， 为标准正态分布。(3)式称为条件均值方程；(5)式称为 条件方差方程，说明时间序列条件方差的变化特征。本文采用收 益率服从广义t一分布的单变量GJR模型。 ． ，、，：——