论文部分内容阅读
在金融全球化、一体化的进程中,国际金融领域发生了欧洲汇率体系危机、东南亚货币危机、美国次贷危机、俄罗斯卢布危机等多次金融危机。频繁发生金融危机的主要原因在于对不同极端情形下金融市场的波动和金融风险的估计严重不足,并缺乏相对应的风险防范措施。如何有效的度量、控制极端情形下的金融风险已经成为金融研究和实践的核心内容。金融市场中,在险价值VaR(Value at Risk)已成为最流行的风险度量方法之一。VaR计算中,最关键的是波动率的估计。将极差与GARCH模型的思想结合而产生的CARR模型,开创了适合极端情形下的波动估计新模型,为度量金融市场极端风险提供了较好的方法。传统CARR模型,限定随机扰动项服从期望为1的分布。本文基于广义gamma分布构建期望为m(>0,且m≠1)的CARR模型,推导了基于期望为m的GCARR模型的极大似然估计和VaR的计算公式。通过VaR的计算和拟合优度检验,与传统GCARR模型进行对比,实证分析得出期望为m的GCARR模型拟合效果好,度量极端风险更准确、有效。金融市场存在"杠杆效应",基于对数正态分布构建了杠杆效应CARR模型,实证表明杠杆效应CARR模型能有效地刻画极端情形下金融市场受到正负冲击时,极差的波动呈现不同反应,确实存在"杠杆效应"。极值理论常用于研究极端情形下的概率事件,最重要的意义在于能评估极端事件的风险。一般情况下采用极值的渐进分布去近似代替样本的极大(小)值分布,讨论基于极值分布修正的CARR模型金融市场极端风险的研究。一方面基于广义极值分布构建CARR-GEV模型;另一方面将对数正态分布下的CARR模型条件价格极差引入GARCH模型,修正波动,并利用POT模型对残差数据进行分析,修正VaR计算公式中的分位数,构建新组合CARR-POT-VaR模型,使得计算的VaR值更加贴近真实市场状况,为金融极端风险管理提供了一种新思路。