高频数据下基于PGARCH模型的VaR估计方法及应用  

The estimating method of VaR based on PGARCH model with high-frequency data

作　　者：樊鹏英[1] 兰勇[2] 陈敏[3] 

机构地区：[1]北京工商大学经济学院,北京100048 [2]中国人民大学财政金融学院,北京100872 [3]中国科学院数学与系统科学研究院,北京100190

出　　处：《系统工程理论与实践》2017年第8期2052-2059,共8页Systems Engineering-Theory & Practice

基　　金：国家自然科学基金面上项目(71673315);北京工商大学两科基金培育项目(LKJJ2016-03);首都流通业研究基地项目(JD-YB-2017-021)~~

摘　　要：高频数据在风险价值VaR度量和预测方面的价值日益凸显,文中基于高频数据为嵌入日内收益过程的PGARCH模型提出一类稳健M估计,同时给出相应的VaR估计方法,并基于沪深300指数和恒生指数的5分钟高频数据对时间内和时间外的VaR进行估计预测.实证结果表明,高频数据下PGARCH模型的M估计所提供的VaR估计方法可更加准确的预测VaR,预测结果均优于日间低频数据的估计结果和基于高频数据的QMLE估计结果,该方法可以很好地应用于风险管理中.The frequency data plays more important role in VaR estimation. This paper presents an M-estimator of a proxy periodic GARCH （p, q） scaling model, and gives corresponding estimation method of VaR. Simultaneously we apply it to forecast out-of-time VaR with 5-min high frequency data of CSI 300 Index and HSI. The empirical analysis shows that the estimation method of VaR based on M-estimator with high-frequency data performs better than the results without the use of high-frequency data and QMLE with high-frequency data.

关 键 词：高频数据 PGARCH模型 M估计 风险价值VAR 

分 类 号：F830[经济管理—金融学]