期刊文献+

中小板证券市场VaR估计精度实证研究 被引量:1

下载PDF
导出
摘要 本文首先针对深市综合指数收益进行了基本统计,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我国中小板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中小板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 《当代经济》 2012年第1期112-115,共4页 Contemporary Economics
基金 上海市教育委员会科研创新项目(09YZ409) 上海教育委员会重点学科建设项目(J51601)资助
  • 相关文献

参考文献12

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  • 7Herzberg M., Sibbertsen P..Pricing of Options under Different Volatility Models [ R]. 2005, Unpublished Manuscript.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

同被引文献4

引证文献1

二级引证文献2

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