导　　师： 何春雄

学科专业： G0104

授予学位： 硕士

作　　者： ;

机构地区： 华南理工大学

摘　　要： 大量实证研究发现，在实际的金融市场上大部分金融资产的分布及其波动行为具有一些与正态假设不相符的特征，主要体现在资产收益率分布的尖峰厚尾性，异方差性，收益率波动的时变性，簇集性和杠杆性．收益率的这些特征使得传统VaR方法无法准确度量金融资产收益率的真实风险。本文主要研究基于非对称GARCH模型和极值理论下的风险度量模型，把非对称GARCH模型和极值理论有机结合起来，提出了一套完整的风险度量建模方法，包括数据预分析，参数估计，模型比较以及模型检验．该模型兼具了非对称GARCH模型和极值模型的优点．既反映了金融资产收益率波动的时变性，簇集性以及杠杆效应，又充分利用了收益率分布的尾部极端数据，从而得到更为准确地风险度量。模型的主要思路是： (1)对金融资产收益率数据进行基本统计特征的预分析，以判断收益率数据是否具有尖峰厚尾性，异方差性，收益率波动的簇集性，通过预分析的结果初步确定本文模型的可行性。 (2)在预分析的基础上，对负的资产收益率分别拟合EGARCH和GJR-GARCH，通过似然比检验得到最优拟合的非对称GARCH模型。 (3)得到优拟合的非对称GARCH模型后，我们对经GARCH模型过滤后的标准化残差序列进行独立性以及正态性检验，以判断标准化残差序列的分布是否仍具有厚尾性。 (4)在残差检验的基础上，对于不服从正态分布的标准化残差序列分别拟合极值模型BMM模型和POT模型。对于BMM模型，分别在不同的子区间长度下拟合极值分布，得到标准化残差序列的VaR，进而计算资产收益率的动态VaR，通过贝努里回溯检验，选择达到拟合效果最优的子区间长度，以确定最优拟合的BMM模型．对于POT模型，分别在不同的阈值下拟合极值分布，得到标准化残差序列的VaR和CVaR�

关 键 词： 非对称 值模型 理论结合 风险度量模型 资产收益率 最优拟合 残差序列 金融资产 收益率波动 标准化 收益率分布 预分析 拟合效果 厚尾性 异方差性 数据 区间长度 极值理论 极值分布 正态性检验

领　　域： [经济管理—金融学]