基于EVT-POT-FIGARCH的动态VaR风险测度

金融实践中,金融资产回报不仅具有厚尾性、波动的异方差性两大特点,而且其波动表现出明显的长期记忆性。本文利用FIGARCH模型处理波动异方差性和长期记忆性、EVT-POT方法捕捉回报分布厚尾的优势,提出了能反映厚尾性、异方差性和长期记忆性的金融风险度量模型——基于EVT-POT-FIGARCH的动态VaR模型,并用中国股票市场的沪深300指数和上证综合指数的每日收盘价进行实证分析。结果表明,模型能较好地处理这两个指数回报序列的三大特点,更准确地度量其VaR风险。     

基于EVT-POT-SVt模型的风险度量研究

金融资产收益常因金融市场的剧烈波动而产生异常变化,针对其收益的厚尾性、波动的异方差性等特征,采用基于Markov链的Monte Carlo模拟积分方法对随机波动模型进行参数估计并取得标准残差序列,应用极值理论与SVt模型相结合,建立了基于EVT-POT-SVt的动态VaR模型。通过对上证综指收益做实证分析,结果表明:该模型能很好地刻画收益序列的波动性及尾部分布特征,在度量上证综指收益的风险方面合理而有效。