2018辽宁春晚宋小宝,财棒子,艳姆全集在线播放视频
摘 要：VaR方法是国际社会当前进行风险测量的一项有效手段，本文分别选取历史模拟法一种非参数估计方法与EWMA和GARCH模型两种参数方法，以2002年1月1日—2010年12月31日这一经济周期为例，对上证综合指数和深证综合指数的每日收盘价对数百分收益率为样本，在95%的置信水平下计算出2412天的VaR值，对我国股市风险进行实证分析。通过分析结果对比得到，参数法的估测效果优于非参数法，并且参数法中GARCH模型的估测效果最为理想。
关键词：股市风险 VaR方法 EWMA模型 GARCH模型
证指数1990年12月19日开始公布，深证指数1991年4 月3日开始公布，但由于开始阶段，进入流通的样本股票数量少，而且交易制度不完善，股市投机性强，所以股市异常波动性太大，1997年后，波动趋于平稳。历经2008年度全球金融危机的冲击，数据分析时段选择为2002年1月1日至2010年12月31日的上证综合指数与深圳综合指数的每日收盘价。数据来源为《大智慧股票交易系统》。本文将选取历史模拟法这种非参数方法以及指数加权移动平均法(EWMA)和GARCH（广义自回归条件异方差法）模型法两种参数方法，结合我国沪、深股市的数据进行分析。
一、 模型的选取
VaR（Value at Risk）一般被称为“风险价值”或“在险价值”，指在一定的置信水平下，某一金融资产（或证券组合）在未来特定的一段时间内的最大可能损失。目前有很多种方法可以衡量一个金融机构的VaR，适用于不同的市场条件、数据水平、精度要求等。根据计算过程中有无设定参数, 即是否事先假定金融变量服从已知分布,一般将其分为两大类，一类为非参数法即历史模拟法，另一类为参数法，最为常用的是EWMA法和GARCH法。
二、实证分析
上证综合指数收益率与深证综合指数收益率的波动反映了我国整个股市大盘的波动。通过不同的VaR方法估计出VaR数值，与实际收益率进行比较。一方面可以反映我国股市风险状况，另一方面也可以比较不同VaR方法对于我国股市风险估计的准确性。根据2002年-2010年深市和上市收盘点位，运用上文介绍的历史模拟法一种非参数估计方法与指数加权移动平均法(EWMA)和GARCH（广义自回归条件异方差法）模型法两种参数方法结合沪、深综合指数对于我国股市风险进行检验分析。
1．历史模拟法
历史模拟法，是计算VaR值的最简单方法之一，它采用全值估计方法，可以较好地处理市场大幅波动、非线性等情况，捕捉各种风险，也避免了模型风险。但此方法过于简单所考虑的因素很少，所以存在着不少明显的缺陷。
2．EWMA法（指数加权移动平均法）
应用最优衰减因子，我们运用EWMA法对沪、深股市的收益方差进行估计，从而通过计算对VaR风险进行估计，并与每日收益率进行比较。取置信水平为95%，对应的分位数为1.65。深市具有较大的波动性。与国际市场相比，我国的股票市场的波动性更加的剧烈，就国内而言深市的波动性高于沪市的波动性。
3．GARCH模型法
从各综合指数收益率的拟合曲线可以直观地看出综合指数收益率存在异方差，运用Eviews软件进行检验，发现确实存在异方差。GARCH模型可以很好的刻画异方差这一特性。所以下面将用GARCH模型估计各指数收益的方差，进而求得VaR值。利用已有的数据计算沪、深指数收益的最优模型，通过计算得到的GARCH（8，4）是上证综合指数收益的最优模型，而GARCH（7，4）是深证综合指数收益的最优模型。
根据最优的GARCH模型后，运用所得到的最优模型的估计得到条件方差，结合相对VaR的计算公式估计GARCH模型下的沪、深股市风险值。对样本预测来说，连续2412天的VaR预测表明，沪市的损失（即负收益）大于VaR值的天数为112天，在预测中占到了4.64%，而深市的损失超过VaR值的天数为125，在预测中占到了天数的5.19%。这个结果与95%的置信水平时基本吻合，但是还存在一定的差距。
三、 主要分析结果
根据上文的分析，GARCH模型估计的准确度就所得到的实证结果而言较高。GARCH模型的估计结果对沪市而言，实际损失小于VaR的天数比例低于应有比例，风险被高估，深市的情况却与之相反，所以可以认为该模型充分估计了市场的风险性。
通过对于2002年1月1日至2010年12月31日的上证综合指数与深圳综合指数的每日收盘价作为样本进行分析，结合以上实证结果可以得到：
第一、对比参数与非参数方法，从本文的实证结果中并未反映出这两种估计方法的明显差别，但是历史模拟法要求的样本容量要尽可能的大，而且对于历史数据的依赖性极强，所以在实际估测中样本容量不足够大或出现极端情况时，都会对估计结果产生强烈的影响，故在实际操作中可以用来进行简单的估测，而不宜用来进行准确估计。
第二、对比EWMA法和GARCH模型法两种参数估计法， GARCH模型能很好地反映出收益的风险特性，得到了较好的实证结果，而且其估计结果更为保守，所以在对我国股市的风险进行估计描述时，GARCH模型是一个好的选择。类似地, 我们可以将GARCH模型的VaR计算方法运用于其它的金融工具与金融资产的风险分析之中, 从而提高我国在资产的风险管理方面的水平。
第三、对比沪、深股市的分析结果，一方面二者的收益率具有较强的相关性，另一方面深圳股市面临的整体风险大于上海股市，其波动聚集性和持续性也强于上海股市。
参考文献
[1] J.P.Morgan. RiskMetrics Technology Document [R] . 4th Edition: http:/ / www. jpmorgan. com
[2] David Li，Value at Risk Based on the Volatility，Skewness and Kurtosis [J],www.gloriamundi.org
[3] 龚锐，陈仲常，杨栋锐 ，GARCH族模型计算中国股市在险价值(VaR)风险的
作者简介：肖宁（1986-），女，湖南长沙人，湖南交通职业技术学院物流管理学院教师，硕士，研究方向：经济管理
