学位论文 > 优秀研究生学位论文题录展示

基于多变量GARCH模型的国际金属期货市场投资风险评价模型研究

作　者: 张展英
导　师: 胡东滨
学　校: 中南大学
专　业: 管理科学与工程
关键词: 动态相关性波动溢出效应 DCC模型 BEKK模型 VaR
分类号: F224
类　型: 硕士论文
年　份: 2010年
下　载: 97次
引　用: 0次
阅　读: 论文下载

内容摘要

随着我国经济的高速发展,金属矿产资源的需求快速增加。为缓解有色金属原料产品的紧缺,积极开发利用海外资源,拓展资源供应的渠道,提高我国资源的保障能力是必然的选择。在现代的金融市场中,不同的市场、资产、影响因子之间往往存在着波动相关性,并且这种相关性随着经济的高速发展,逐渐加强。VaR是由JP MORGAN公司率先提出来的,是目前金融市场风险测量的主流方法。对于我国进行海外金属矿产资源勘探与开发的企业来说,做好国际金属矿产资源的市场风险的分析评价工作,是提高其风险防范与控制能力基本保障。在国际市场上,金属期货市场的价格与金属矿产资源的价格紧密相关,且一般以美元标价,汇率的波动必定会导致金属期货市场的价格波动。国际间不同国家的利差变化,可能会影响投资者的投资策略的选择。本文借助多变量DCC-(BV)GARCH模型,研究了国际汇率、利率变动对金属期货市场价格变动的影响。在此研究的基础上,选取适当的风险因子,建立了三变量GARCH-VaR模型,对金属期货市场综合的风险进行评价与对评价效果进行检验。本文研究的结果表明：金属期货市场与外汇市场之间不存在明显的波动溢出效应,存在动态正相关性,这种相关性在2008-2009年金融危机期间得到明显的加强；与利差变化率之间的动态相关性并不明显。因此,在进行风险分析的时候,货币市场的风险波动不足以反映金属期货市场的风险波动；外汇市场的波动对金属期货市场的价格波动具有一定的影响,可以作为金属期货市场投资者的一个参考。通过选取LME铜、LME铝、美元指数,我们建立了三变量BEKK-VaR模型以及三变量DCC-VaR对三者的综合风险进行评价,以等权重组合与最小方差动态权重组合两种资产组合方式。实证结果表明,这两种模型都适合对国际金属期货市场的综合风险进行评价,但在最小方差动态权重组合下的评价效果较好。希望通过本文的研究,可以为我国企业海外矿产资源投资风险分析与防范提供一个新的思路和方法。

全文目录

摘要  3-4
ABSTRACT  4-6
目录  6-9
第一章绪论  9-20
  1.1 研究的背景  9-11
  1.2 研究目的和意义  11-12
  1.3 国内外研究的文献综述  12-17
    1.3.1 期货市场风险评价方法研究  12-13
    1.3.2 关于VaR方法的相关研究  13-14
    1.3.3 基于GARCH族模型发展及其在VaR中的应用  14-17
  1.4 论文的主要内容和结构  17-20
    1.4.1 论文的研究思路  17-18
    1.4.2 论文的研究框架  18-19
    1.4.3 研究的创新点  19-20
第二章国际金属期货市场投资风险评价的相关理论的介绍  20-31
  2.1 国际金属期货市场时间序列数据相关属性  20-21
    2.1.1 金融资产时间序列数据的概率特性  20
    2.1.2 金融资产时间序列平稳性  20-21
    2.1.3 金融资产时间序列数据的一些基本特征  21
  2.2 VaR的基本理论  21-25
    2.2.1 VaR的基本定义  22-23
    2.2.2 VaR的主要计算方法及优缺点比较  23-24
    2.2.3 VaR的作用、应用及局限性  24-25
  2.3 单变量GARCH(1,1)族模型的相关理论  25-27
    2.3.1 GARCH模型  25-26
    2.3.2 EGARCH(p,q)模型  26-27
  2.4 多变量GARCH族模型基本理论  27-31
    2.4.1 向量GARCH(p,q)模型  27
    2.4.2 多变量BEKK-GARCH(1,1,1)模型  27-28
    2.4.3 多变量DCC-GARCH模型及其参数估计  28-31
第三章金属期货市场与外汇、货币市场之间的动态相关性的探讨  31-46
  3.1 我国企业海外矿产资源投资所面临的金融市场风险分析  32-35
    3.1.1 国际金属期货市场风险分类  32-33
    3.1.2 外汇市场与期货市场之间的相关性分析  33-34
    3.1.3 货币市场与期货市场之间的相关性分析  34
    3.1.4 国际金属期货市场价格波动带来的风险分析  34-35
  3.2 动态相关性实证分析的思路与方法  35
  3.3 数据选取与处理  35
  3.4 数据的统计特征描述  35-37
  3.5 VAR(1)-DCC-GARCH(1,1)模型的参数估计及分析  37-44
    3.5.1 实证分析中的DCC模型的具体形式及参数估计  37-39
    3.5.2 LME铜与其他市场间的波动溢出效应分析  39-41
    3.5.3 LME铜与其他市场间的动态相关性研究  41-44
  3.6 分析结果  44-46
第四章基于MVGARCH-VaR的金属期货市场评价与效果检验模型构建  46-55
  4.1 金属期货市场VaR评价与效果检验模型的构建的基本思路  47-49
    4.1.1 VaR的基本算法  47-48
    4.1.2 评价效果检验标准  48-49
  4.2 基于单变量GARCH(1,1)-VaR模型的构建  49-51
    4.2.1 基于单变量GARCH模型的VaR的计算步骤  49-50
    4.2.2 单变量GARCH(1,1)族模型  50-51
  4.3 三变量GARCH-VaR模型的构建  51-54
    4.3.1 基于三变量GARCH-T模型下的VaR的计算步骤  51-52
    4.3.2 基于三变量DCC-GARCH模型形式  52-53
    4.3.3 基于三变量BEKK-GARCH模型形式  53
    4.3.4 DCC模型与BEKK模型的区别  53-54
  4.4 几种模型下VaR计算的比较  54-55
第五章基于MVGARCH-VaR的金属期货市场风险评价模型的实证研究  55-69
  5.1 数据选取与基本特性检验  55-57
    5.1.1 数据选取  55-56
    5.1.2 收益率序列的正态性检验  56
    5.1.3 收益率序列的平稳性检验  56-57
    5.1.4 收益率序列的ARCH效应检验  57
  5.2 多变量GARCH模型的应用及参数估计  57-64
    5.2.1 三变量DCC模型的建立及参数估计  57-59
    5.2.2 三变量BEKK模型的建立及其参数估计  59-60
    5.2.3 基于多变量GARCH模型的VaR预测及效果评价  60-64
  5.3 基于单变量GRACH族模型的VaR评价及效果检验  64-68
    5.3.1 单变量GARCH族模型的参数估计  65-66
    5.3.2 不同模型下LME铜的VaR评价及效果检验  66-68
  5.4 小结  68-69
第六章结论与展望  69-72
  6.1 本文的主要结论  69-71
  6.2 研究的不足和展望  71-72
参考文献  72-78
致谢  78-79
攻读学位期间主要的研究成果  79-80
附录  80-88

相似论文

Copula-EGARCH-核密度模型研究及应用,O211.3
我国商品期货市场价格波动风险分析,F224
山东省金融发展与经济增长关系实证分析,F127;F224
基于VaR的上市公司财务风险评估指标体系构建及有效性分析,F832.51;F224
交通银行零售信用风险管理研究,F832.3
GARCH-VaR模型在我国ETF风险测量中的应用研究,F224
VaR方法在股指期货风险度量中的应用研究,F224
基于Copula-SV模型的我国股指期货期现套利及风险研究,F224
资本充足率对信贷及经济影响的实证研究,F832.4;F124
劳动力成本对中国制造业出口的影响,F424;F224
新加坡内外分离型离岸金融市场的有效性研究,F832.6
跨国股票市场的金融危机传染效应分析,F831.51;F831.59
抵押品对信用风险因子影响研究,F224
基于SV模型的我国股市波动性实证分析,F832.51
稳定分布下股指期货的保证金设计,F830.91
我国林产品进出口贸易及其影响因素分析,F752.6;F224
油桃在三明的适应性及配套栽培技术调查,S662.1
中英铜期货市场风险信息溢出效应研究,F713.35;F724.5
次贷危机背景下我国市场流动性风险状况的实证研究,F822
Copula函数在保险投资组合风险管理中的应用,F840
基于VaR的商品期货基差风险研究,F713.35