当今的市场经济属金融领域的竞争最为激烈且风险最大,金融活动时刻伴随着风险。在经济全球化和金融开放的今天,如何度量和控制金融风险,保障金融安全,已成为金融风险管理的首要议题。本文旨在通过建立模型度量上证综指和深证成指的风险,并比较上证综指和深证成指的风险大小,然后通过模型有效性检验判断所建立的模型是否有效,如果模型有效,并将通过检验的模型进行对比,找出最适合度量上海股市和深圳股市风险的模型。本文通过分析法和分位数回归方法两种方法计算VaR(Value at Risk,在险价值),并通过Kupiec的失败频率检验法检验模型的优劣。选用上证综指、深证成指作为研究对象,并将样本数据分成估计样本与评价样本两个子样本,选用上证综指从1990年12月19日到2010年3月24日共4722个数据作为估计样本,并预留了从2010年3月25日到2014年5月13日共1000个数据作为评价样本。通过对估计样本的对数收益率序列进行正态性检验、平稳性检验、ARCH效应检验、异方差检验以及自相关性检验后发现上证综指对数收益率序列并不服从正态分布,而是具有尖峰厚尾、波动聚集以及非对称性等性质。在分析法中采用了一般的GARCH族模型和GARCH-M族模型在不同的置信水平下(95%和99%)以及在收益率服从正态分布、t分布、GED分布条件下分别计算VaR均值和VaR标准差以及失败次数和失败率。在分位数回归方法中建立五阶滞后自回归模型来预测期望收益率,然后用收益率的均值代表最小的收益率,再运用VaR的定义VaR = E(R)-R即可算出VaR的值。最后用Kupiec的失败频率检验法来对模型进行有效性检验,即将预留的从2010年3月25日到2014年5月13日共1000个数据进行模型有效性检验,将计算出的失败次数与Kupeic给出的接受域表进行对比,若计算出的失败次数在接收域内,说明模型建立的好,反之,则不好(更确切的说,若模型计算出的失败次数在接受域的左侧,则高估了损失发生的概率,模型过于保守；若模型计算出的失败次数在接收域的右侧,则低估了损失发生的概率)。通过分析法和分位数回归方法建模发现上证综指的风险要略高于深证成指的风险,并且对于上证综指而言,在95%的置信水平下,t分布的EGARCH-M模型更好,在99%置信水平下GED分布的GARCH-M模型最好；对于深证成指而言,在95%的置信水平下,t分布的PARCH-M更好,在99%置信水平下GED分布的GARCH-M模型最好。而用分位数回归方法发现无论是上证综指还是深证成指,无论是在95%的置信水平还是99%置信水平都通过了检验。
暂无评论