论文部分内容阅读
2010年4月16日，沪深300股指期货在上海金融期货交易所成功上市。距今为止，股指期货已上市将近六年，伴随其交易量交易规模的不断扩大，股指期货本身存在巨大风险，对沪深300股指期货的风险预测管理要求日益增加。 本文通过对沪深300股指期货日收益率数据的分析，对沪深300股指期货2012年7月24日到2016年1月29日的日收益率数据分别进行GARCH族和SV族建模，探究其波动率的变动特征。其中，针对数据分布的尖峰后尾特点，分别建立了基于正态分布和后尾t分布的GARCH族和SV族模型。针对金融收益所具有的风险补偿性，尝试建立GARCH-M，SV-M模型。针对金融数据所具有的杠杆性建立TGARCH，LSV模型。比较各模型的适用程度和拟合效果。在所建模型基础上，与VaR模型相结合，建立GARCH-VaR和SV-VaR模型，预测沪深300股指期货的风险损失情况。以2016年2月01日到2016年12月31日的日收益作为后验测试数据，将损失值与真实收益值进行比较，通过Kupiec检验观察GARCH-VaR和SV-VaR模型的预测情况。为沪深300股指期货选择一个优良的风险管理模型。 研究结果表明，沪深300股指期货日收益数据具有波动集聚性。无论是GARCH模型还是SV模型，其波动的持续性参数很很大，因此其当前波动会对之后波动产生一个持续性较强影响。同时，其收益率序列具有尖峰后尾的特点，基于后尾t分布的模型相对于正态分布的模型更合理。在SV模型与GARCH模型的比较上，可以看到，SV模型所预测的随机扰动项参数平稳，收敛性强，且参数值均比较大，因此，相对应GARCH模型，SV模型具有对随机扰动项预测的优势。在对GARCH-VaR与SV–VaR的比较检验中，也可以发现SV模型能更好的估计风险，而GARCH模型具有高估风险的可能。