基于SV-SGED模型的动态VaR测度研究  

Study on Dynamic VaR Measures Based on SV-SGED Model

作　　者：吴鑫育[1] 马宗刚[2] 汪寿阳[3] 马超群[2] 

机构地区：[1]安徽财经大学金融学院,安徽蚌埠233030 [2]湖南大学工商管理学院,湖南长沙410082 [3]中国科学院数学与系统科学研究院,北京100190

出　　处：《中国管理科学》2013年第6期1-10,共10页Chinese Journal of Management Science

基　　金：国家杰出青年科学基金资助项目(70825006);教育部"长江学者和创新团队发展计划"项目(IRT0916);国家自然科学基金创新研究群体科学基金项目(71221001)

摘　　要：本文针对金融资产收益展现出"有偏"及"厚尾"分布特征,引入有偏广义误差分布(SGED)来描述资产收益,继而提出SV-SGED模型对资产收益波动率建模,并以此来测度动态风险值(VaR),进而采用后验测试技术对风险测度模型的精确性进行检验。同时,为了估计SV模型的参数,提出基于有效重要性抽样(EIS)技巧的极大似然(ML)估计方法。最后,给出了基于上证综合指数的实证研究。结果表明,SV-SGED模型比正态分布假定下的SV(SV-N)和广义误差分布假定下的SV(SV-GED)模型具有更好的波动率描述能力,SV-SGED模型展现出比SV-N和SV-GED模型更优越的风险测度能力。In this paper, skewed generalized error distribution （SGED） is introduced to account for skewed Ld heavy-tailed financial asset returns, and SV-SGED model is proposed to model asset return volatility, Ld then dynamic value-at-risk （VaR） can be measured. In order to test the accuracy of risk models, the Lck-testing technique is adopted. At the same time, a method for maximum likelihood （ML） estimation of SV models is introduced based on the efficient importance sampling （EIS） technique. Finally, an empirical udy of Shanghai Stock Exchange composite index is presented. Empirical results demonstrate that the SV-SGED model can describe asset return volatility better than the SV model based on normal distribution （SV-N） and the SV model based on generalized error distribution （SV-GED）, and the SV-SGED model can eld more accurate VaR estimates than the SV-N and SV-GED models.

关 键 词：VaR SV模型 有偏广义误差分布 有效重要性抽样 极大似然估计 

分 类 号：F830.9[经济管理—金融学]