資源描述：
《考慮基差對高階矩影響的市場風險度量研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第25卷第2期系統(tǒng)工程學報Vol.25No.22010年4月JOURNALOFSYSTEMSENGINEERINGApr.2010①考慮基差對高階矩影響的市場風險度量研究張龍斌,王春峰,房振明(天津大學管理學院,天津300072)摘要:提出了加入基差項的GARCHSK模型研究了基差對現(xiàn)貨收益高階矩的動態(tài)影響,并將該模型應(yīng)用于提高對現(xiàn)貨VaR的度量精度.對股指期貨和現(xiàn)貨市場的實證研究表明,基差對股指現(xiàn)貨收益的條件均值、波動率和偏度均存在顯著影響,考慮基差對高階矩影響后的模型可以提高對股指現(xiàn)貨市場風險度量的精確度.關(guān)鍵詞:GARCHSK模型;條件偏度和峰度;基差;K
2、upiec統(tǒng)計量檢驗中圖分類號:F224.0文獻標識碼:A文章編號:1000-5781(2010)02-0222-06Researchonthemarketriskmeasuresconsideringimpactsofspot2futurespreaduponthehigh2ordermomentsZHANGLong2bin,WANGChun2feng,FANGZhen2ming(SchoolofManagement,TianjinUniversity,Tianjin300072,China)Abstract:Thispaperintroducedthespo
3、t2futurespreadintoGARCHSKmodeltoinvestigateitsim2pactsonthehigh2ordermomentsofspotreturns.Thenthemodelisusedtoenhancethemeasure2mentprecisionofVaRinspotmarkets.Theempiricalresultsfromstockindexspotandfuturesmar2ketsshowthatspot2futurespreadshavesignificantlyimpactsontheconditionalmea
4、n,varianceandskewness.Afterconsideringtheimpactsonhigh2ordermoments,themodelcanenhancethepreci2sionoftheriskmeasurementofspotmarkets.Keywords:GARCHSKmodel;conditionalskewnessandkurtosis;spot2futurespread;Kupiectest0引言視的是,實際市場的收益分布普遍展示出的“有偏”和“尖峰厚尾”特征,這對現(xiàn)有的市場風險測金融資產(chǎn)的收益分布特征是所有金融模型的度技術(shù)提出
5、了嚴峻的挑戰(zhàn).當實際市場的資產(chǎn)收核心內(nèi)容,有關(guān)收益的波動行為及其分布特征的益不滿足正態(tài)分布假設(shè)時,方差以及VaR等風險精確描述對于金融市場的風險測度和風險管理而測度指標的準確度都將大大降低.這迫使人們在言更是具有重要意義的關(guān)鍵問題.主流金融理論對收益序列建模時不得不考慮偏度和峰度等高階一般假定金融資產(chǎn)的收益率服從正態(tài)分布.目前,矩的存在.早期的關(guān)于收益的高階矩的研究都是經(jīng)常使用的方差和VaR等市場風險測度方法多靜態(tài)地處理收益序列的偏度和峰度,直到Leon[1]是建立在正態(tài)分布假設(shè)的基礎(chǔ)之上.然而,不容忽等建立了GARCHSK模型來對收益序列的偏度①收稿日期:20
6、08-02-26;修訂日期:2009-03-24.基金項目:國家自然科學基金資助項目(70771076);國家杰出青年基金資助項目(702250-02).第2期張龍斌等:考慮基差對高階矩影響的市場風險度量研究—223—[2]和峰度進行動態(tài)建模.國內(nèi),許啟發(fā)也對rt=α0+α1rt-1εtGARCHSK模型進行了實證研究.Bali則建立了ut=εt-θεt-1參數(shù)自回歸的有偏廣義t分布模型來考慮指數(shù)的-1η=h2u,ηI～D(0,1,s,k)tttt
7、t-1tt偏度和峰度的時變特性,并用于美國CRSP指數(shù)(1)22ht=β0+β1ηt-1+β2ht-1的VaR估計
8、,結(jié)果表明考慮時變高階矩VaR估計23方法對VaR的度量精度要高于傳統(tǒng)方法[3].國st=γ0+γ1ηt-1+γ2st-142[4]k=δ+δη+δk內(nèi),劉慶富等對偏厚尾分布下的VaR估計方法t01t-12t-1進行了研究,但是上述研究僅在GARCH模型族其中rt是需要建模的變量(如股指收益);ut表示的基礎(chǔ)上,利用有偏t分布和廣義誤差分布等對對誤差項εt進行1階平滑消除自相關(guān)性后的殘GARCH模型中的殘差正態(tài)分布進行修正,而未差;ht表示ut的條件方差,ηt表示標準化誤差;st,對收益的高階矩進行動態(tài)的建模.kt分別表示ηt的條件偏度和條件峰度.D(·,·,·
9、,·)表示包含偏度和峰度
