基于标准残差的极值风险模型准确性研究

摘要：

本文使用ARMA(1,1)与GARCH(1,1)、GJR(1,1)模型结合构造出标准残差序列,然后分别与条件EVT、条件正态分布、条件t分布和非条件EVT结合,形成8个风险测度模型,并分别用这些模型估计沪、深股市在置信水平为95%、97.5%、99%、99.5%的动态VaR(Value-at-Risk),然后用Kupiec(1995)和Christoffersen(1998)的返回测试(Back-testing)方法,判定沪、深股市对模型的准确性.研究结果表明,条件EVT风险模型能准确测度沪、深股市的风险,而非条件EVT模型缺乏准确性,对其它模型的准确性因置信水平不同而表现出差异性.在所有模型中,最能准确测度沪、深股市风险的模型分别是,置信水平为99.5%时的条件EVT-GARCH模型和置信水平为97.5%时的条件EVT-GJR模型.本文的研究结果为测度中国大陆沪、深股市风险在模型和置信水平的选择上提供了实证依据.

关键词：EVT、标准残差、风险模型、返回测试、准确性

所属期刊栏目：18

分类号：G4 ;F83

资助基金：国家自然科学基金70501025,70572089;国家杰出青年科学基金70229001

在线出版日期：2016-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：8-14