基于双曲线记忆HYGARCH模型的动态风险VaR测度能力研究
本文针对金融市场的典型事实特征，运用自回归分数移动平均（Fractional Integrated Autoregressive Moving Average，ARFIMA）模型与双曲线记忆广义自回归条件异方差模型（Hyperbolic Memory Generalized Autoregressive Conditional Heteroscedasticity，HYGARCH）模型、分数协整非对称自回归条件异方差（Fractional Integrated Asymmetric Power Autoregressive Conditional Heteroscedasticity，FIAPARCH）模型和分数协整指数广义自回归条件异方差（Fractional Integrated ExponentialGeneralized Autoregressive Conditional Heteroscedasticity，FIE—GARcH）模型结合，并运用有偏学生t分布（Skew Studentt Distribution，SKST）来捕获金融收益分布形态，以此开展动态风险测度研究，进而运用返回测试（Back—Testing）中的似然比率测试（Likelihood RatioTest，LRT）和动态分位数回归（Dynamic Quantile Regression，DQR）方法对风险模型的准确性与精度进行联合检验。通过实证研究，得到了一些非常有价值的实证结论：ARFIMA（1，d，1）-FIAPARCH（1，d，1）-SKST模型与ARFIMA（1，d，1）-HYGARCH（1，d，1）-SKST模型均表现出卓越的风险测度能力，但没有绝对优劣之分；ARFIMA（1，d，1）-FIE—GARCH（1，d，1）-SKST模型在成熟市场的表现能力差强人意；本文引人的所有风险模型在中国大陆沪、深股市表现优越且没有实质性差异。
金融市场、典型事实、HYGARCH、动态风险、测度
19
F830(金融、银行)
国家自然科学基金资助项目71171025;71071131;70771097;教育部"新世纪优秀人才支持计划"NcET08-0826;成都理工大学高层次人才科研启动基金HJ0038;教育部人文社会科学研究青年基金10YJCZH086;成都理工大学优秀创新团队培育计划项目2010TD01
2012-04-21（万方平台首次上网日期，不代表论文的发表时间）
15-24
