期刊文献+

我国主要证券市场VaR模型估计精度研究

下载PDF
导出
摘要 文章首先针对沪市综合指数收益进行了基本的统计,实证数据体现了高风险高收益的一般原则;其次,在二值损失函数标准和平方损失函数双重检验标准下,对三类VaR模型的估计精度进行了实证检验,结果表明:非参数类和半参数类度量模型对于证券市场风险估计的精度较高,而参数类VaR模型的估计精度最差。由于参数类VaR模型主要采用了正态假定且忽略了波动率的聚集性,因此,在一定程度上也说明了我国主要证券市场收益不符合正态性假定且存在波动率聚集现象。
作者 花俊洲
机构地区 上海金融学院
出处 《会计之友》 北大核心 2012年第5期73-78,共6页 Friends of Accounting
基金 上海市教育委员会科研创新项目(09YZ409) 上海市教育委员会重点学科建设项目(J51601)资助
  • 相关文献

参考文献15

  • 1Abken,Peter,An Empirical Evaluation of Value-at-Risk by Scenario Simulation[J ]. Journal of Derivatives, 2000,7 (4) : 12-29. 被引量:1
  • 2Van Duynhoven, Debra May. Tintable luminescent paint [P]. USA, 6359048, Mar. 19, 2002. 被引量:1
  • 3Beder T,VaR:Seductive but dangerous [J].Financial Analysis Journal, 1995(9,10) : 12-24. 被引量:1
  • 4Dowd,K,Measuring Market Risk. Chichester and New York:Wiley and Sons.2002. 被引量:1
  • 5Haranath D, Virendra Shanker, Harish Chander, et al. Materials Chemistry and Physics, 2002, 78: 6-10. 被引量:1
  • 6Kiehl A, Greiwe K. Progress in Organic Coatings, 1999, 37: 179-183. 被引量:1
  • 7Hendricks,D. and B. Hirtle ,1997,"Bank Capital Re- quirements for Market Risk:The Internal Models Ap- proach", Federal Reserve Bank of New York Economic Policy Review,December,pp. 1-12. 被引量:1
  • 8Jamshidian F,Zhu Y, Scenario simulation.Theory and methodology. Finance and Stocgastics, 1997( 1 ) : 43-67. 被引量:1
  • 9Lin Yuanhua, Zhang Zhongtai, Zhang Feng, et al. Materials Chemistry and Physics, 2000, 65: 103-106. 被引量:1
  • 10Lopez,J,"Methods for Evaluating Value-at-Risk Esti- mates" , Federal Reserve Bank of San Francisco Eco- nomic Review, 1999(2) :3-17. 被引量:1

二级参考文献33

  • 1龚锐,陈仲常,杨栋锐.GARCH族模型计算中国股市在险价值(VaR)风险的比较研究与评述[J].数量经济技术经济研究,2005,22(7):67-81. 被引量:99
  • 2Engle R.F..Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation [J]. Econometrica, 1982, 50 (4): 987-1007. 被引量:1
  • 3Bollerslev T..Generalized Autoregressive Conditional Heteroskedasticity [ J]. Journal of Econometrics, 1986, 31 (2) : 307 - 327. 被引量:1
  • 4Laurent S.. Peters J.P., G @ RCH2.2: An Ox Package for Estimating and Forecasting Various ARCH Models [J]. Journal of Economic Surveys, 2002, 16 (2): 447-485. 被引量:1
  • 5Giot P., Laurent S.. Modeling Daily Value at Risk Using Realized Volatility and ARCH Type Models [J]. Journal of Empirical Finance, 2004, 11 (2): 379-398. 被引量:1
  • 6Engle R., Manganelli S..CAVaR: Conditional Autoregressive Value at Risk by Regression Quantiles [J]. Journal of Business and Economic Statistics, 2004, 22 (2) : 367 - 381. 被引量:1
  • 7Herzberg M., Sibbertsen P..Pricing of Options under Different Volatility Models [ R]. 2005, Unpublished Manuscript. 被引量:1
  • 8Ricardo A..The Estimation of Market VaR Using GARCH Models and a Heavy Tall Distributions [ R ]. 2006, Working Paper Series. 被引量:1
  • 9魏宇.高阶股价数据有助于对市场风险的预测吗?-基于中国股市的实证分析.中国金融评论,2007,(1):120-132. 被引量:2
  • 10Kupiec P.H., Techniques for verfying file accuracy of risk measurement methods [J]. Journal of derivatives, 1995, 3 (2): 73-84. 被引量:1

共引文献57

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部