论文部分内容阅读
利益最大与风险最小是广大投资者的永恒追求。许多金融机构投入大量资源开发金融风险管理技术,特别是作为风险管理核心和基础的风险测量技术。而其中被广泛采用并证实有效的是VaR技术。但VaR模型本身存在着一定缺陷,使得风险的测量与实际存在一定的偏差。很多学者对此进行了探讨,并提出了各种解决方法。CAViaR模型由此产生,将分位数回归理论应用于VaR模型,跳过了VaR模型对于收益分布的假定环节,从而使得模型对于风险的测量更为贴近实际。而AAVS—CAViaR模型则是在CAViaR模型基础上的进一步发展。本文首先对AAVS—CAViaR模型和CAViaR的四个典型模型进行了实证分析,选取了1990年12月20日至2010年9月30日上证指数(SSEC)的日收益率,共计4849个样本数据,采用Engle和Manganelli建议的Nelder-Mead单纯形算法和拟牛顿算法(Quasi-Newton Method)相结合的方法来估计回归系数。选用MATLAB7.0软件中自带的函数fminsearch和Eminunc。其中fminsearch函数采用的是Nelder-Mead单纯形算法,fminunc函数采用的是拟牛顿算法。由于90年代的股市受政策影响较大,对于现在的风险测量没有太大的意义,反倒存在一定的干扰性,因此在对模型进行稳定性的比较分析时,舍弃了2003年(含)以前的日收益率序列,选取了之后的1369个日收益率来对五个模型进行邹检验,通过稳定性分析找出更为适应中国股市风险波动的模型。通过对各个模型的估计结果进行比较分析,选取了AAVS—CAViaR模型和Ⅰ-GARCH模型作为最为稳定的模型。因为I-GARCH模型是对称模型,根据股市固有的不对称性,我们最终选取了AAVS—CAViaR模型作为中国股票市场的最优拟合模型。最后结合我国股市现状提出了一些政策建议：第一,采用时变参数模型对AAVS-CAViaR模型进行改进。第二,增强监管力度,增加市场透明度。第三,拓宽投资渠道。第四,普及投资理财的知识,提高投资者的理性程度。