股指期货风险量化分析

2014-04-29 23:25:18林海伦余志鸿
中国市场 2014年31期

林海伦 余志鸿

[摘要]本文引入VaR-APARCH模型,对中国股指期货日数据进行实证分析,发现其可以很好地反映期指中的风险,为我国股指期货风险度量和分析提供了一定的启发意义。

[关键词]股指期货;风险度量;VaR-APARCH模型

[中图分类号]F830[文献标识码]A[文章编号]1005-6432(2014)31-0107-02

1VaR分析方法和APARCH模型

1.1VaR 介绍

VaR是近年来度量金融市场风险的主要计量工具,即在正常的波动水平下,投资组合在未来特定时间内的最大可能损失。传统的VaR计算方法有三种,在实际操作中以方差—协方差法为主。

方差一协方差法需要注意两个方面:一是描述金融时间序列的尖峰厚尾、波动集聚的特性;二是寻找序列的分布密度函数。期货收益率序列一般具有强烈的ARCH效应,即“肥尾”特性,如果用标准正态作为金融序列的分布函数,容易造成VaR的低估。笔者利用GARCH族模型来度量收益率系列VaR,并对实证结果进行了比较。

1.2APARCH模型介绍

在金融计量中,GARCH模型可以分析序列的厚尾特征,但无法对市场的杠杆效应做出良好解释。针对这一问题,Ding、Grander和Engle在1993年提出了APARCH,即非对称的GARCH模型,弥补了原先模型在金融时间序列的杠杆效应反应上的不足。其方差表达式一般为:

σδt=σ0+[DD(]qj=1[DD)]βjσδt-j+[DD(]pi=1[DD)]αi([JB(|]ut-i[JB)|]-γiut-i)δ

APARCH模型在一般GARCH模型的基础上增加了两个参数,其中γ被用来解释市场中杠杆效应。我们可以利用APARCH模型计算出标准差σt,代入VaR计算公式,得到对应 t 时刻V值,计算式:VaR=-pt-1[JB((]eσtqα-1[JB))]。

其中pt-1为上一日的收盘价,αt是对数收益率的条件标准差,qα是在给定置信度1-a下对应的左侧或右侧的分位数。

1.3模型……

登录APP查看全文