基于MCMC-GARCH模型的股市收益率VaR估計研究.pdf

1、最近幾年，我國的金融行業(yè)逐漸走向全球化，再加之利率市場化的深入，使得金融風險結構日趨復雜；市場風險測量難度不斷加大；風險管理的作用也日趨重要。就目前來說，度量金融市場的主要方法之一便是VaR（Value at Risk）。故運用有效精確的方法來實現(xiàn)VaR的測度具有非常重要的意義。
　　基于GARCH模型族的VaR是最主流的算法之一。在解決 GARCH模型的參數(shù)估計這一問題之上，比較傳統(tǒng)的做法是通過極大似然估計來實現(xiàn)。然而，這種方法

2、比較難以實現(xiàn)模型最優(yōu)化的這一目的，究其原因，是因為在用這一方法進行求解時，給參數(shù)設置了種種的約束條件。為了應對極大似然估計在求解GARCH模型時所面臨的這一困境，本文在對GARCH模型進行參數(shù)估計時運用了另外一種方法，即基于馬爾科夫蒙特卡羅（MCMC）的貝葉斯方法，以期更好地對市場波動性進行刻畫。最終，這一效果通過基于GARCH模型的VaR估計得以直觀的呈現(xiàn)了出來。
　　實證分析中，本文搜集了深證綜指的日收盤價作為原始數(shù)據(jù)，通過簡

3、單的計算處理，最終采用指數(shù)收益率的形式進行實證分析研究。本文的數(shù)據(jù)分為兩段，一段用于建立并估計 GARCH（1,1）模型，另一段用于VaR的計算和回測檢驗。在本文的研究中，分別通過兩種方法，即經(jīng)典統(tǒng)計方法和基于MCMC的貝葉斯方法來建立并估計 GARCH模型。這兩種方法分別通過 Eviews軟件和OpenBugs軟件來實現(xiàn)。
　　實證結果表明，在建立并估計 GARCH模型時，基于MCMC方法的貝葉斯估計要優(yōu)于極大似然估計(ML)方