论文部分内容阅读
金融市场在经济发展中居于十分重要的地位，扮演着重要的角色，从而使金融市场成为经济管理者以及学术界研究的重要对象。一旦金融市场出现重大风险，就会给整个经济带来重大影响，甚至可能会引发经济危机，引起社会动荡。因此，研究金融市场的风险管理就成为政府金融市场管理当局、广大金融资产投资者及学术界关心研究的重点。
金融市场风险管理的重点之一就是要找到一个准确可靠的测度计量模型。本文针对现有的大多数风险测度方法存在的不足，尤其是目前的风险测度方法没有考虑到小概率、大损失的极端事件所引发的风险的现状，运用极值理论(Extreme Value Theory，EVT)构造金融市场风险测度计量模型。由于金融市场存在自相关性、波动集聚性和杠杆效应等部分典型事实，本文基于这些典型事件，结合ARMA(1，1)与GARCH(1，1)和GJR(1，1)模型构造出独立同分布特征的标准残差序列，选择最大10％的标准残差序列值，运用EVT对其进行建模，并结合随机过程测度出动态极值VaR，然后运用Back-testing方法检验风险VaR测度计量模型的准确性。研究结果表明，基于EVT的金融市场动态风险VaR测度方法能够有效测度出中国大陆金融市场的风险。本文将基于EVT的极值VaR测度方法与其它常用VaR测度方法对沪深股市、上证A、B股市场进行实证，找到了所运用的模型中测度中国大陆沪深股市、上证A、B股市场动态极值VaR的最优模型，即最能准确测度沪市市场风险的模型是置信水平为99.5％时的条件EVT-GARCH模型，最能准确测度深市市场风险的模型是置信水平为97.5％时的条件EVT-GJR模型，置信水平为99％的条件EVT和置信水平为95％的条件t分布模型，分别是测度上证A、B股的市场风险效果最好的模型。这个结果为金融风险管理者准确测度市场风险在模型与置信水平的选择上提供了实证依据。
根据标度理论，对日、周标度损失序列，运用基于EVT的极值VaR测度计量模型并对其进行了适当的改进，分别测度出中国沪市及部分国际股市的日、周动态极值VaR，然后实证考察动态极值VaR测度模型准确性的日、周标度的不变性特征，实证结果表明，并非所有的测度模型具有标度不变性特征。
针对广大金融投资者往往是采用多个资产而非单一资产投资进行资产组合投资的，本文运用EVT与多元GARCH模型构造出测度金融资产组合的市场动态极值VaR的计量模型。本文将上证综指、深证成指作为一种特殊的单一资产，然后以上证综指、深证成指两个特殊单一资产等权重构造一个二元资产组合为研究对象，实证分析动态极值VaR计量模型测度的准确性。实证结果表明，本文的风险测度计量模型能够准确测度资产组合的动态极值VaR。
此外，经济的发展，全球经济一体化趋势促使不同市场经济具有时变相关性。于是，本文运用Granger-Causality检验方法实证研究了中国大陆沪深股市、中国股市与部分国际股市以及上海伦敦铜期货市场动态极值VaR的因果关系效应。结果表明，中国大陆沪、深股市的风险VaR具有因果关系效应；中国股市与部分国际股市不存在VaR因果关系效应；上海伦敦铜期货市场的动态极值VaR.存在因果关系效应。这为金融风险管理者进行风险管理与控制增加了另外一道“保险”。
结合本文的实证结果与中国金融市场的实际，本文认为，要努力建设与时俱进的金融市场制度、建立多层次的金融市场体系、强化金融市场的风险监管力度、强化货币房地产金融市场的风险运行、加强上市公司品质建设以及推动与国际金融市场的融合等，努力促进金融市场的繁荣，控制金融市场风险，不断提高金融市场的抗风险能力，进而推动整个中国经济的发展。