基于近似贝叶斯的分位数回归VaR模型

发布时间：2021-12-22 18:28

　　金融市场上的数据往往具有尖峰厚尾的特点,根据这个特征,我们选择用VaR模型来度量股指市场风险。VaR有多种计算方法,本文中选用的是基于分位数回归的VaR模型,并利用近似贝叶斯方法中的ABC PMC算法估算模型参数。本文应用以上方法对沪深300、深证综指两个指数在2015年1月5日—2018年3月15日的收盘价格数据进行实证分析,同时利用Kupiec失败率检验方法检验不同显著性水平下模型的表现效果,并与经典的VaR模型计算结果进行对比。结果显示基于近似贝叶斯的分位数回归VaR模型对市场风险有更好的估计。 

【文章来源】：苏州大学江苏省 211工程院校

【文章页数】：39 页

【学位级别】：硕士

【部分图文】：

沪深300指数的对数收益率图

图 5-2 深证综指的对数收益率图从以上两张图中可以看出，该时间段内，这两个指数的日收益率波动都很频繁基本围绕在零值附近波动。深证综指的波动性稍强于沪深 300 指数，在 2015 年个指数的日收益率都出现了较大幅度的波动，这与我国 2015 年股市震荡的现不可分。同时可以发现，两列序列都存在一段时期波动性持续偏小、一段时期

图 5-6 沪深 300 指数1, 、2, 、3, 分布直方图（ 0.01）图 5-7 深证综指 、 、 分布直方图（ 0.05）图 5-8 深证综指 、 、 分布直方图（ 0.01）

【参考文献】：
期刊论文
[1]分位数回归与上证综指VaR研究[J]. 关静,史道济.  统计与信息论坛. 2008(12)
[2]基于分位数回归模型的沪深股市风险测量研究[J]. 王新宇,赵绍娟.  中国矿业大学学报. 2008(03)
[3]分位数回归技术综述[J]. 陈建宝,丁军军.  统计与信息论坛. 2008(03)
[4]分位数回归及应用简介[J]. 李育安.  统计与信息论坛. 2006(03)



本文编号：3546874