一、度量金融风险的VaR方法及其在我国股市风险分析中的应用（论文文献综述）
顾晨薇[1]（2020）在《中国金融二级行业间的风险外溢方向及传导机制研究 ——基于TVP-VAR模型识别》文中研究说明为适应经济全球化,我国自2001年加入世界贸易组织后逐步开始放开严格分业经营制度,迈入混业经营制度。随着我国混业经营程度的不断增加,证券、银行、保险与信托四个行业间的风险协同性也呈现增长趋势,为出现大规模金融系统性风险埋下隐患,对我国金融监管产生巨大挑战。为研究金融系统内部风险传导机制,本文选择证券、银行、保险及信托四个金融业主要子行业作为研究对象,选择申万二级行业指数与中信行业指数2010年10月至2019年11月数据进行研究。采用GARCH-VAR的方法量化四个行业的风险,并逆推TVP-VAR系数,刻画四个行业间风险传染的大小及方向,讨论各行业在金融内生风险的贡献及各行业间风险传导机制。再通过动态面板模型,分析基本面因素与行业自身特性对行业间风险传导的影响。通过实证分析,研究结果表明:首先,四个行业中信托业的平均风险水平最大,随后是证券、保险业,在后期通道中断后,信托风险出现明显;其次,金融子行业中,证券业对其他行业的风险外溢水平最高,其中,证券业对银行业的风险溢出传导指数平均水平最高,在2014年股灾期间出现大幅增强,银行业对其他行业的风险溢出水平处于平均水平且呈现较为平稳的状态,保险业对银行业在股灾期间呈现一定的负向风险外溢,表明其对银行业有一定风险抵消作用,信托业对其他三行业的风险影响水平呈现低水平的溢出状态;最后,货币政策是影响行业间风险传导最主要的因素,同时,经济水平与宏观审慎分别对行业间风险水平有增强和减弱作用,行业的规模增长速率也是增强行业间风险影响水平的一个重要因素。本文贡献主要有以下三点:第一,本文研究证券、银行、保险、信托四个板块间的风险传导,涵盖金融主要板块,使得本文对于中国金融业板块间风险传导的研究更加全面,同时有益于我们更清晰地辨别不同金融板块在整个系统中风险传导重要性;第二采用带有随机波动的时变参数向量自回归（TVP-VAR）模型进行实证分析,更加符合风险内生性的性质,能够较好地拟合证券、银行、保险、信托的风险指标间的动态关系;第三,通过动态面板模型,以及国内外学者对于金融业板块间风险的传导渠道的理论研究,通过对解释变量的拟合,探讨证券、银行、保险、信托四个板块间十二对影响关系分别的影响因素,可以更好的找出金融板块间风险传导机制。
沙静慧[2]（2020）在《非线性期望理论及其在风险度量中的应用》文中研究表明随着各国经济的发展,国际间交流的日益频繁,股票、基金、期货等金融产品及其衍生品的交易数量和交易频率呈现指数级别的增长,这使得国内国际之间的金融关系网更加的复杂。而金融产品由于不确定性,导致我们无法在某一时刻准确衡量其价值,由此带来不可忽视的风险。且金融风险对各国经济的影响程度不断的扩大、冲击速度也进一步加快。因此依据市场数据构建适当的模型计算相应的参数对金融风险进行合理有效的度量对经济安全平稳的增长有着十分重大的意义。早期对金融风险进行测量的模型比较着名的有马科维兹的均值方差模型。由于均值方差模型需要在较严格的假设条件下才能进行度量,这与现实金融市场的情况不太符合。随后,VaR模型提出并运用到风险度量中。VaR模型是利用给定置信度来求资产组合损失分布函数的分位数,即可能的最大损失。但VaR模型也有一些不可忽视的缺陷,例如它不满足次可加性,即资产组合的风险不一定小于单个资产的风险之和,这与金融市场上的分散投资来降低风险的理论相悖。其后,Artzner等人提出了一致性风险度量理论,有效解决了金融市场上分散投资的度量问题。随后一系列满足特定市场情况的风险度量模型,如:CVaR模型、ES模型、扭曲风险度量模型和谱风险度量模型等得到了较快的发展,并且逐步建立了较为合理有效的风险度量模型体系。但金融市场复杂多变,金融风险分布并不一定满足传统概率统计的模型,这意味着我们对于所面临的风险并不能用传统的线性期望理论去衡量。由此学者们积极探索在非线性期望和非可加测度的框架下对金融市场的不确定性进行度量。本文基于非线性期望理论框架来研究金融市场上有关的风险度量问题。本文主要分为以下四个部分:第一章主要是对风险度量理论和非线性期望理论的发展历程做了简要的回顾。风险度量理论开始是在线性期望理论的框架下讨论了均值方差模型、VaR模型以及VaR模型的变式,之后发展到在非线性期望的框架下讨论定义风险度量模型及其相关性质。第二章主要介绍了 Choquet积分以及在Choquet积分下定义的保费定价函数。本章首先给出了容度及Choquet积分的相关定义以及性质,其次在保费定价函数所需满足的五点条件下证明了存在非降扭曲函数g使得风险X的保费可以用Choquet.积分来定义,之后证明了当扭曲函数g是凹扭曲函数时,基于Choquet积分的保费定价函数满足一致性风险度量。第三章首先介绍了 g-期望和条件g-期望的生成条件,以及其相关性质。随后我们先证明了当生成元g满足凸性时,由g-期望构造的风险度量是凸风险度量;当生成元g满足凸性和正的齐次性时,由g-期望构造的风险度量是一致性风险度量。其后证明了利用条件g-期望可以构造动态相容的风险度量,说明能够通过条件g-期望及g-期望构造动态的一致性风险度量及凸风险度量,揭示了g-期望及条件g-期望在风险度量中的重要性。第四章首先给出了 G-期望的定义以及其相关性质的证明。其后证明了基于G-热方程生成的G-正态分布与在次线性期望空间上生成的G-正态分布是等价的。之后给出了利用G-期望定义的VaR模型,且证明其在非线性期望条件下是满足一致性风险度量,并利用G-正态分布、大数定理和中心极限定理给出了包含不确定性的VaR模型的解区间。第五章主要对前三章的内容做了一个概括和总结。
雷立坤[3]（2020）在《国际股市高频波动信息与我国股市波动率预测研究》文中指出金融全球化已经成为世界金融系统发展的一个重要趋势,在金融市场加速融合的背景下,国家或地区之间的金融市场相互渗透、相互影响的趋势日益明显。这种影响不仅表现在资产收益方面,而且反映在资产波动率方面,即某一金融市场的波动不仅受本身以前波动的影响,而且会受到其他金融市场波动的影响,人们将这一现象称为“波动溢出效应”。随着我国经济在世界经济地位的快速提高,特别是近20年来我国在资本市场领域进行一系列的改革和转型开放措施,使我国股市逐步融入全球股票市场,与其它股市的联系日益加强,这意味着国际金融市场对我国金融市场的影响加剧、受国际市场波动信息影响更为广泛、波动传导作用更加迅速。风险监管者和国际投资者在预测中国股市时,通常会参考国际股票市场做出决策和进行交易,因此,需要树立全球股市的总体观念,探索更合适的方法,分析国际股市对我国股市影响的特征,更好地对全球股市信息进行研究,以帮助管理者和投资者预测中国股市波动。测度国际金融市场对中国金融市场的影响和预测能力,有利于面对国际市场风险时做出及时、准确的防范措施,对维护我国金融市场安全稳定具有重要的前瞻性意义。尽管国内外已有许多学者对金融市场波动性进行了研究,但迄今为止,如何准确、充分地利用国际股市波动信息提高我国股市波动率预测精度,仍然有很多明显的方法缺陷亟待解决和完善。本文首先从国际市场高频波动视角出发,采用主成分分析方法对跨国（地区）股票市场波动率提取国际波动率指数,整合国际股市波动信息来预测我国股市波动率。其次,根据金融市场波动的机制转换和时变特征,在加入国际股市高频波动信息HAR-RV-X模型的基础上,进一步引入马尔可夫机制转换,深入探讨国际股市对我国股市的影响特征。进一步,为了更有效地利用这些国际市场波动信息预测我国股市波动率。我们考虑国际股市波动信息相互传递和时变的整体性,率先将高维TVP VAR方法应用于我国股市价格波动的预测分析中,考虑国际股市波动参数时变的条件下,对各国际股市波动信息动态地分配权重,计算各个不同变量模型的权重概率,并采用加权平均方法预测我国股市波动率。最后,在前面三章实证方法为基础,我们将波动率预测视为投资组合优化的关键决定因素,从投资组合和风险管理视角探讨了不同波动率预测模型的经济价值,从而为我国金融监管当局制定和执行相关金融政策提供部分指导,也为投资者正确判断股市风险、选择合理的投资策略提供更加实际可行的依据。实证结果主要包括:（1）采用主成分分析法有利于在相互联系的全球股市波动中准确获得国际股市市场高频波动的共同信息。该指数对未来中国股市波动具有正向影响和统计显着性。更重要的是,加入国际股市波动率指数的HAR-RV扩展模型对我国股市波动的预测精度优于对比模型,包括HAR-RV、Kitchen sink模型和五种组合方法。（2）通过分析国际股市波动信息在不同波动状态下对我国股市波动的影响特征,发现马尔可夫机制转换模型能更有效地捕捉和处理全球国际股市波动信息。统计检验表明,转移概率矩阵是显着的,高波动状态比低波动状态表现出明显更高的波动水平,与线性及时变参数的HAR-RV模型相比,MSHAR-RV-X模型能显着提高我国股市的点预测精度和方向预测精度。（3）高维TVP VAR方法能够很好地捕捉到国际股市之间潜在的溢出效应和时变特性,是利用国际股市刻画和预测我国股市波动方面更准确的新方法。（4）通过最大化投资者效用,考察了投资组合的表现。实证结果表明,首先,基于主成分分析的HAR-RV扩展模型与对比模型（包括HAR-RV、Kitchen sink模型和五种组合方法）相比,能显着提高方向预测精度并产生了更高的经济价值。其次,与线性及时变参数的HAR-RV模型相比,MSHAR-RV-X模型能显着提高我国股市的方向预测精度,且在此基础上构成的投资组合策略能获得更大的组合收益。最后,高维TVP VAR新方法在投资组合的风险管理应用中无论是方向预测还是经济价值都获得了最理想的效果。
胡艳妹[4]（2020）在《基于GARCH类模型VaR和CVaR在我国中小板市场风险度量中的应用》文中进行了进一步梳理未来效益的不确定性即称为风险,而由于多种不稳定因素,我们不能确定资产组合的最终价值及其最终收益,这称为金融风险。通常风险带来的损失是我们关注的重点,因此将“由于收益的不确定性导致的损失可能性”称为风险。全球经济日趋一体化以及金融市场不断融合使得金融市场变得更加复杂。如今国内外学者和实干家重点关注的是如何有效地管理金融风险。风险管理的核心部分是金融风险度量,度量由于市场因子的变化而致使金融资产产生的损失。目前,经常采用的金融市场风险度量的方法主要有:灵敏度方法、均值—方差分析、VaR方法、波动性方法。目前国际上主流的风险测度方法是VaR度量方法及其改进模型,同时该方法广泛应用于金融机构的风险管理,以及股票、债券等金融市场的风险测度中。本文采取的是基于GARCH模型的VaR方法,以及VaR方法的改良—CVaR方法。我国中小企业板建立的目的是为建立创业板市场做铺垫。我国中小板市场存在多种不足之处,具有极强的波动性和高风险特征,这是由于信息的垄断性、市场竞争的无序性、运行机制的不完善等原因造成的。本文对中小板市场的市场风险进行实证分析,从而得出结论,并根据结论提出相应的建议。本文选取2010年1月到2019年12月中小板综合指数的日对数收益率为样本数据。对中小板市场的风险、风险度量方法进行全面介绍,同时对现阶段中小板市场存在的风险进行分析,阐述了基于GARCH类模型的VaR与CVaR概念、计算理论及模型的应用。本文的样本对象为我国中小板市场的综合指数日收盘价,并列举其收益率为实证数据,分析其主要统计特征,并进行正态性检验、平稳性检验、自相关检验以及条件异方差检验,为建立模型打下基础。使用Eviews软件分别基于正态分布、t分布、GED分布建立GARCH、EGARCH、TGARCH模型,并进行参数显着性检验以及ARCH-LM检验。选择恰当的模型后,一步预测得到方差,计算基于各模型的在险价值即VaR值,并进行比较分析,最后结合VaR估计值失败检验法对实证最终结果进行了检验,并计算CVaR值且进行检验。将深圳A股综合指数的数据与中小板综合指数的数据进行对比分析,并进行格兰杰因果检验,以期求得中小板市场与主板市场之间的关联。根据实证结果的分析,考虑投资者在进行投资行为时,需要考虑哪些方面的问题,如何才能将风险降到最低,从而使得我国中小板市场能够健康发展。
王文慧[5]（2020）在《原油价格对行业股票市场的风险溢出效应研究 ——基于变分模式分解的Copula方法》文中认为原油是当今世界最主要的战略能源之一,它对国民经济和金融市场的持续健康发展起着至关重要的作用。作为一种重要的大宗商品,原油兼具一般商品和金融商品的属性,其价格波动也会对各国的金融市场产生一定程度的风险传染,且对股票市场的风险传染尤为显着。近年来,原油价格的暴涨暴跌给实体经济的稳定发展带来了众多的不确定因素,同时也促使不同行业市场面临的潜在风险增强。因此,分析原油价格波动对各行业股票市场的风险溢出效应具有重要意义。首先,本文研究了原油价格和行业股票市场的相依结构,运用ARMA-APARCH模型对各收益率的边际分布进行估计,并运用Copula函数刻画市场之间的非线性相依性和尾部相依性,有效地克服了传统相依性度量方法在描述复杂相依结构时存在的局限性。此外,为了研究不同投资期相依结构的变化,本文引入了VMD变分模式分解方法。结果表明,长期相依性明显高于短期相依性且短期投资期中几乎不存在尾部相依性。其次,本文研究了原油价格和行业股票市场的风险价值,通过引入EVT极值理论构建了 GARCH-EVT-VaR模型对单一市场的极端风险价值进行估计。结果表明,不同市场的上行风险和下行风险存在不同程度的差异,有效提高了各市场的上行和下行极端风险的精确度。在度量投资组合市场的风险价值时,本文结合VMD方法提出了 GARCH-VMD-Copula-VaR模型,从长期和短期的不同投资视角进行分析,更好地刻画了投资组合的VaR在不同投资期的变化情况。最后,本文研究了原油价格对行业股票市场的风险溢出效应,通过结合VMD方法构建了 VMD-Copula-CoVaR模型对不同投资期的风险溢出进行分析。结果表明,原油价格的变动可能会成为各行业股市发生更大波动性和更高风险的催化剂,并且长期投资的风险溢出效应要强于短期投资。为了更详尽地揭示原油对不同行业股市的风险溢出的非对称和结构突变特征,本文运用K-S检验和B-P断点检验方法对风险溢出的非对称性和结构断点做了进一步探讨。结果表明,下行风险溢出显着强于上行风险溢出,且CoVaR在断点数量及断点发生日期方面受不同行业股市的影响。本文通过对原油价格和各行业股票市场关系的研究,可以增强对各行业股市变化的预测能力,为股市的监管以及投资者风险预警等提供一定的依据。
周威皓[6]（2019）在《中国商业银行利率衍生品风险管理研究》文中研究指明金融全球化程度的加剧以及中国利率市场化改革的深度开展,加速了中国利率衍生品市场的发展。利率衍生品市场的发展对中国金融体系意义重大。中国商业银行作为我国利率衍生品市场的重要主体,利率衍生品的利用及其风险管理一定会对其是否能有力地参与同业竞争起着至关重要的作用。从国际上看,发达国家的利率衍生品市场基本都是在利率市场化完成后发展相对成熟并形成比较严谨完备的管理体系。在中国,银行业一直享受着因利率管制而带来的红利,创新利率衍生品的动力不足,交易的数量不仅小,而且交易很不活跃。就目前而言,中国商业银行利率衍生品的发展离商业银行强烈的避险需求差距甚远,与利率市场化水平也没有达到完美契合,利率衍生品风险管理的意识与手段还远不能适应金融形势发展的需要,更缺乏对利率衍生品风险管理的完善体系。商业银行在利率衍生品种类的开发、交易的基础制度建设、法律法规健全完善等方面都是非常有限的,其利率衍生品风险的管理,无论是策略,还是技术或方法,都还不及发达国家来得成熟和自如,尤其是对于VaR和CVaR模型的运用凸显着差强人意。所以如何不断创新发展利率衍生品市场并科学有效地管理其风险,建立成熟完备的利率衍生品风险管理体系就成为中国商业银行必须深入研究和迫切需要解决的问题。本篇论文立足于一个宏观和多层次的视角,对比、参考并借鉴国际经验,以利率衍生品及其风险管理的有关理论为基础,结合金融学研究方法,研究利率衍生品的特点与功能优势、商业银行利率衍生品风险的形成机理和一般传导路径,利用金融理论、数学统计、计量分析多种手段和方法对市场上利率衍生品的VaR和CVaR风险,以及CVaR风险对于商业银行股票收益率溢出效应进行实证分析,旨在通过对中国商业银行利率衍生品风险管理的理论和实证研究,强调中国商业银行利率衍生品风险管理的重要性,剖析中国商业银行利率衍生品风险管理存在的主要问题,以此为据提出相应的解决之策。具体研究内容分七个部分进行:第一部分内容是绪论,主要是从理论借鉴的角度出发,对问题提出的背景及研究目的,相关文献的研究现状,论文的研究思路、方法、对象界定、创新与不足等进行阐述和说明。第二部分内容是介绍利率衍生品风险管理的相关模型和方法,如VaR和CVaR风险度量模型及估计方法,矢量自回归模型,利率衍生品定价模型,奠定论文研究的模型、方法与基础。第三部分内容是商业银行利率衍生品发展状况及问题分析:包括利率衍生品概念界定、分类、特点及功能;国外利率衍生品发展及商业银行利率衍生品风险管理经验启示;国内利率衍生品发展历程及商业银行利率衍生品风险管理现状,并剖析存在的问题。第四部分内容是在剖析问题的基础上对中国商业银行利率衍生品的风险管理的相关问题作理论分析,包括商业银行利率衍生品风险的成因及一般传导路径等问题的分析,并针对中国商业银行利率衍生品使用的实际情况提出利率衍生品市场性风险、操作性风险和信用性风险的识别、估测、评价和管理的基本方法。第五部分内容是基于理论分析,进一步对市场上的以利率互换为代表的利率衍生品的市场性风险进行实证分析。主要是基于收集的相关公开数据,利用Matlab软件,通过VaR和CVaR理论模型及采用多种不同的方法,对利率衍生品应用过程中产生的市场性VaR和CVaR风险进行估测,计算出市场上的以利率互换为代表的利率衍生品产生的VaR和CVaR风险数值,并进行返回测试,对比出各种方法的优缺点,旨在研究得出Copula-GARCH-EVT-CVaR方法模型最适于中国商业银行建立利率衍生品市场性风险度量、压力测试和最优资产配置体系,同时给出了商业银行利率衍生品市场性风险管理的最优资产配置的相应计算过程,实现利率衍生品CVaR风险管理和收益最大化。第六部分内容是将第五部分Copula-GARCH-EVT-CVaR方法模型计算出的四种利率互换为代表的利率衍生品的CVaR风险数值导入到Eviews软件中,通过矢量自回归模型实证分析利率衍生品的CVaR风险对中国商业银行股票收益率的溢出效应,并得出利率衍生品的CVaR风险与商业银行股票收益率呈现负相关关系的结论,即降低利率衍生品的CVaR风险可以增加商业银行的股票收益率,旨在从侧面印证中国商业银行对于利率衍生品风险进行管理的实际意义和重要性。第七部分内容是结论、对策建议与研究展望。主要是结合前文理论与实证分析的结果进行总结,得出相应的结论,最后对比参考国际先进的管理经验,根据存在的问题和得出的结论提出相应的风险管理对策和建立风险管理体系,并提出研究展望。
张天雅[7]（2018）在《基于VaR模型的中证100指数风险度量研究》文中研究表明自20世纪中后期,全球金融市场成长迅速,金融环境也变得越来越复杂。随着利率、汇率波动加剧,金融市场的波动也日益加剧,金融自由化和全球化迅猛发展,金融业管制日益放松,金融风险的管理成为各金融机构最为关心的内容,专家学者也在风险测量领域展开了深入的研究。但是随着资产结构日益复杂,传统风险管理方法的缺陷变得越来越明显,由此诞生出了一种用途广泛、可直观测定金融风险的方法即VaR方法。VaR法采用了统计学领域技术,与其他传统风险管理方法相比,VaR方法能够更加准确地反映金融风险状况,使风险管理变得更为科学,目前受到广泛应用。本文首先介绍了国际上各种度量风险的方法,并对金融风险理论以及VaR理论进行了概述,为后文实证研究奠定了理论基础,然后应用三种模型,第一个模型是传统的方差——协方差模型,它是以数据服从正态分布为前提,考虑到实际金融数据的尖峰厚尾不对称性等特征,又采用了加入极值理论和GARCH理论的改进VAR模型来计算风险,基于GARCH理论的VaR模型可以对波动率进行估计,而基于极值理论的VaR模型可以对极端事件进行考虑,然后分别求得这两个模型的计算的VaR的值,最后对三个模型进行有效性检验,得到最优的风险测度模型。在此理论基础上,本文选取中证100指数2012年到2017年的收盘价点位共1458个数据为样本进行实证分析,选择中证100指数的主要原因是它可以代表沪深股市中具有较大规模股票的波动情况,具有现实意义,然后计算收盘价点位的对数收益率,一阶差分更容易观测并且更符合金融时间序列特征,经济学意义显着,接着建立模型并计算各个模型的VaR估计值,最后通过模型的有效性检验对三个模型计算出的VaR估计值进行分析、比较和研究,选出较为有效的风险模型,从而对中证100指数风险进行较为精准的度量。
林志[8]（2018）在《混频Copula建模及应用》文中进行了进一步梳理金融市场在经济全球化以及金融一体化的冲击下联系更为紧密、关系更为复杂,这对学界、业界研究金融市场提出了更高的要求,而准确刻画金融市场间的相依结构能够提高决策的准确性,降低决策风险,从而达到资产配置优化、金融风险测度的目的。因此,能够准确刻画金融市场间的相依结构对于投资者的投资决策、监管者的监测风险都具有一定的理论意义和现实意义。随着金融市场的不断深化,不同金融市场间的相依结构变得越来越复杂,主要表现在两点:第一,不同金融市场间的相依结构往往是非线性的;第二,金融市场是一个相互联系、相互依存的有机整体,不同金融市场间的相依结构不仅会受微观层面的高频信息的影响,也会受到宏观层面的低频信息的影响。因此针对已有研究的不足,文章将考虑不同频率信息的混频数据模型和能度量非线性相依结构的Copula理论相结合,构建了可以全面准确刻画市场间的相依结构及风险溢出效应的混频Copula模型。文章以2011年01月04日到2017年12月29日5个市场日收益率数据为样本,分析市场间的相依结构及风险溢出效应。文章主要工作和结论如下:第一,采用GARCH-MIDAS模型对5个市场日收益率进行边缘分布拟合,发现GARCH-MIDAS-LI-偏t模型能够很好地拟合5个市场的波动过程。第二,采用5种常见的Copula函数来刻画市场间的相依结构,发现t-Copula函数对市场间相依结构的拟合效果最好。第三,进行了静态和动态相依结构分析,发现市场间的相依结构具有时变性和非对称性;第四,进行了市场间风险溢出效应分析,发现采用无条件风险价值会低估实际风险,使用CoVaR能更全面准确地度量实际风险。市场间的风险溢出程度与自身的风险大小正相关。5个金融市场间存在着显着的双向风险溢出,风险溢出均为正值且存在非对称性。股票市场和金融期货市场是风险净溢出者,而大宗商品期货市场、债券市场以及外汇市场是风险净接受者。
黄康杰[9]（2017）在《我国沪深港股市风险溢出效应的度量实证研究》文中研究说明纵观中国证券市场二十多年的成长历程,从无至有,由小到大,飞速发展。中国在大陆地区设有上海和深圳证券交易所,在香港地区设有香港证券交易所。由于地区间的开放程度、发展水平以及制度等因素的不同,中国大陆股票市场在成立初期就处于较为封闭的状态,其与香港股票市场在较长的一段时间内处于分割状态,彼此间尚不具有明显的风险溢出效应。随着时间的推移,一方面伴随着改革开放政策的推行和香港回归后两地经贸交流合作逐步增多,另一方面伴随着经济危机全面爆发以及股权分置改革、沪港通的实施等一系列事件的影响,促使着我国大陆股市与香港或其他地区股市的风险溢出效应在不断的加强。大陆与香港股市风险溢出效应不断加强这一势态,对政府部门和投资者均会产生深远的影响,因此对沪深港股市相互间的风险溢出效应的研究就具有重要的实际意义。本文首先对关于股票市场风险溢出效应方面的理论和实践相关文献进行回顾,并以此作为理论基础,选用2005年4月29日至2016年6月30日上证综合指数、深圳成分股指数、恒生指数的每日收盘价作为实证的样本数据,以股权分置改革的实施为起点,利用全球金融危机全面爆发和沪港通的正式开通这两个重要事件为节点,据此将数据划分为三个阶段。采用BEKK-GARCH模型对三地股市的风险溢出关系进行分析,在此基础上为了度量三地股市的风险溢出强度,本文进一步使用了分位数回归CoVaR模型实现了对沪深港股市的风险溢出强度的度量。实证研究所得的结果显示,在金融危机全面爆发之前,由于我国大陆股市还处在相对封闭的状态,此时的香港股市对沪深股市尚不具有风险溢出效应。而在金融危机全面爆发后,沪深港股市间均具有双向的风险溢出关系,且三地股市的风险都表现为正向溢出关系。随着金融危机全面爆发以及沪港通的正式开通,沪深股市与香港股市之间的风险溢出强度逐步增强,其中,表现最为明显的是自沪港通的正式开通后,香港股市对上海股市的风险溢出强度则有了一个较大程度的提升。在得出结论后,有针对性地提出了应对建议,并结合所做的研究进行了展望。本文对我国沪深港股市间的风险溢出效应进行了有效的量化,对于金融监管部门以及投资者来说具有较好的借鉴意义。有助于我国金融监管部门能够及时有效的捕捉各市场间的风险溢出强度,并对高风险溢出的市场实施重点监测和管理措施,以维护市场的平稳运行。有助于投资者了解各地股票市场的风险情况,及时制定相应的投资策略,在做好风险防范的基础上,达到最优的资产配置。
宋思然[10]（2017）在《基于VaR方法的中国股市异动风险研究》文中进行了进一步梳理近年来金融自由化、经济全球化等现象大大增加了金融市场的风险,全球金融危机频发,金融市场风险管理已成为各国监管当局的重要任务之一。股票市场依赖于价格波动来完成资源的配置,但股市的异常波动则会造成资源配置效率的低下,损害股市和实体经济的正常运行。股市的异常波动是指股票市场的整体价格不在预期范围内的大幅上升或者下降。对异动股市的风险进行量化是风险管理的关键环节。VaR（Value at Risk）方法可以量化复杂投资组合在给定时间范围和置信度下的损失,是度量金融市场风险的主流方法。本文以2014年6月至2015年12月的上证综合指数为样本,使用VaR的三种方法——历史模拟法、方差-协方差法和Monte Carlo模拟法度量该期中国股市的风险,之后对三种计算方法的结果进行了准确性检验,并与其他时期的上证综指VaR值进行了比较,得出了该时期股市异常波动的风险较大的结论。为了探究造成样本区间股市异动高风险的原因,本文将月度VaR值作为被解释变量,工业增加值增长速度、融资融券余额、货币发行量M1、居民消费价格指数、同业拆借利率和人民币兑美元汇率的月度数据作为解释变量,使用向量自回归模型量化各因素与股市风险的相关程度,同时使用Granger因果检验、脉冲响应函数和方差分解对模型进行了补充修正,并对模型结果进行了分析。最后结合以上实证研究,提出合理完善资本市场系统性风险监控机制和应对机制、丰富完善股票市场风险管理工具、合理使用货币政策工具、规范融资融券业务和改善投资者结构和投资理念等降低股市风险、促进股市健康发展的建议。全文采用定性分析和定量分析相结合的方法,以定量分析为主,全文共分五章。第一章是引言部分。第二章论述论文相关的理论,对本文题目中股市的异动进行了定义与判别,并介绍了VaR的概念和计算方法。第三章选取2014年6月到2015年12月的上证综合指数作为样本数据,使用VaR的三种基本计算方法——历史模拟法、方差-协方差法和Monte Carlo模拟法对选取区间的股市风险价值进行了计算,并用Kupiec失败频率检验法对计算结果进行了准确性检验。第四章是股市风险的宏观经济分析,选定了工业增加值增长速度、融资融券余额、货币发行量M1、居民消费价格指数、同业拆借利率和人民币兑美元汇率六个宏观经济变量,使用向量自回归模型对各因素与股市风险的相关程度进行了量化分析。第五章是对策结论。
二、度量金融风险的VaR方法及其在我国股市风险分析中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、度量金融风险的VaR方法及其在我国股市风险分析中的应用（论文提纲范文）
（1）中国金融二级行业间的风险外溢方向及传导机制研究 ——基于TVP-VAR模型识别（论文提纲范文）
| 中文摘要 |
| Abstract |
| 1.引言 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 研究方法 |
| 1.4 论文创新之处 |
| 2、国内外研究现状及文献述评 |
| 2.1 市场风险测度文献述评 |
| 2.2 金融风险传导测度文献述评 |
| 2.3 金融风险传导机制及影响因素文献述评 |
| 2.4 文献述评 |
| 3、金融风险测量方法及传导方向技术介绍 |
| 3.1 风险测量方法介绍 |
| 3.2 风险外溢测算技术介绍 |
| 3.2.1 风险外溢理论模型构建 |
| 3.2.2 行业间风险外溢效果测定 |
| 4、金融业子行业间风险传递的实证检验及结果分析 |
| 4.1 数据来源及说明 |
| 4.2 VaR模型估计结果分析 |
| 4.3 证券行业对其他三行业的风险影响 |
| 4.4 银行业对其他三行业的风险影响 |
| 4.5 保险业对其他行业的风险影响 |
| 4.6 信托业对其他三行业的风险影响 |
| 4.7 本章小结 |
| 5、金融业板块间风险传导影响机制的实证 |
| 5.1 变量选取及数据来源 |
| 5.2 模型构建 |
| 5.3 实证结果及分析 |
| 5.3.1 变量描述性统计 |
| 5.3.2 变量相关系数矩阵 |
| 5.3.3 格兰杰因果检验 |
| 5.3.4 面板单位根检验 |
| 5.3.5 面板协整检验分析 |
| 5.3.6 动态面板结果分析 |
| 5.3.7 本章小结 |
| 6、研究结论及政策启示 |
| 6.1 研究结论 |
| 6.2 政策启示 |
| 参考文献 |
| 附录一 |
| 致谢 |
（2）非线性期望理论及其在风险度量中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及现状 |
| 1.2 文献综述 |
| 1.2.1 风险度量的相关研究 |
| 1.2.2 非线性期望的相关研究 |
| 1.3 研究内容与创新 |
| 第二章 基于Choquet积分的保费定价 |
| 2.1 Choquet积分及其相关性质 |
| 2.2 Choquet积分与保费函数 |
| 第三章 基于g-期望的风险度量 |
| 3.1 g-期望及其相关性质 |
| 3.2 g-期望与风险度量 |
| 第四章 基于G-期望的VaR模型 |
| 4.1 G-期望及其相关性质 |
| 4.2 G-期望与VaR模型 |
| 第五章 总结 |
| 致谢 |
| 参考文献 |
| 学位论文评阅及答辩情况表 |
（3）国际股市高频波动信息与我国股市波动率预测研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 已实现波动率的测度 |
| 1.3.2 己实现波动率计量模型 |
| 1.3.3 国际股市与我国股市波动率关系研究进展 |
| 1.3.4 现有研究存在的不足之处 |
| 1.4 论文的主要创新点 |
| 1.5 研究方法与可行性分析 |
| 1.6 结构安排和技术路线 |
| 第2章 高频数据和波动率相关理论 |
| 2.1 高频金融数据及统计特征 |
| 2.1.1 高频数据介绍 |
| 2.1.2 高频金融数据的基本特征 |
| 2.2 高频波动率理论介绍 |
| 2.2.1 波动率的定义和分类 |
| 2.2.2 波动率的基本特征 |
| 2.3 高频数据波动率模型 |
| 2.4 本章小结 |
| 第3章 国际股市波动预测中国股市波动率:基于国际波动率指数 |
| 3.1 引言 |
| 3.2 已实现波动率及HAR-RV模型介绍 |
| 3.3 组合预测、主成分分析方法介绍 |
| 3.3.1 组合预测方法 |
| 3.3.2 主成分分析方法 |
| 3.4 样本外滚动预测及评价方法 |
| 3.4.1 样本外滚动时间窗预测技术 |
| 3.4.2 预测评价方法 |
| 3.5 实证分析 |
| 3.5.1 数据介绍和描述性统计 |
| 3.5.2 样本内估计结果 |
| 3.5.3 样本外预测评价 |
| 3.5.4 稳健性检验 |
| 3.6 本章小结 |
| 第4章 国际股市波动预测中国股市波动率:基于机制转换视角 |
| 4.1 引言 |
| 4.2 马尔科夫方法及扩展的高频波动率模型 |
| 4.2.1 马尔科夫方法介绍 |
| 4.2.2 马尔科夫机制转换的异质自回归模型介绍 |
| 4.3 预测检验方法 |
| 4.3.1 DM检验 |
| 4.3.2 变化方向检验 |
| 4.4 实证分析 |
| 4.4.1 实证数据 |
| 4.4.2 样本内估计结果 |
| 4.4.3 样本外预测评价 |
| 4.4.4 稳健性检验 |
| 4.5 本章小结 |
| 第5章 国际股市波动预测中国股市波动率:基于高维TVP VAR方法 |
| 5.1 引言 |
| 5.2 高维TVP VAR模型介绍 |
| 5.3 检验方法介绍 |
| 5.4 实证分析 |
| 5.4.1 实证数据 |
| 5.4.2 各波动率模型预测评价 |
| 5.4.3 稳健性检验 |
| 5.5 各波动率预测模型的经济价值研究 |
| 5.5.1 效应函数介绍 |
| 5.5.2 实证结果分析 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 研究结论 |
| 6.2 政策建议 |
| 6.3 未来研究展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表的论文及参与的科研项目 |
（4）基于GARCH类模型VaR和CVaR在我国中小板市场风险度量中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 文献综述 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容与方法 |
| 1.3.1 主要研究内容 |
| 1.3.2 主要研究方法 |
| 1.3.3 创新点 |
| 第2章 中小板市场及资本市场风险度量理论 |
| 2.1 中小板市场概述 |
| 2.1.1 中小板市场概念 |
| 2.1.2 中小板市场作用 |
| 2.2 资本风险度量理论概念 |
| 2.2.1 金融风险定义及类型 |
| 2.2.2 风险度量方法及概述 |
| 2.2.3 VaR方法概述 |
| 第3章 基于GARCH类模型的VaR、CVaR方法理论介绍 |
| 3.1 GARCH类模型相关介绍 |
| 3.1.1 ARCH模型 |
| 3.1.2 GARCH模型 |
| 3.1.3 EGARCH模型与TGARCH模型 |
| 3.2 VaR方法 |
| 3.2.1 VaR的定义 |
| 3.2.2 VaR模型度量方法 |
| 3.2.3 GARCH-VaR计算理论 |
| 3.2.4 VaR准确性检验 |
| 3.3 CVaR方法 |
| 3.3.1 CVaR的定义 |
| 3.3.2 GARCH-CVaR计算理论 |
| 第4章 我国中小板市场风险实证分析 |
| 4.1 样本选择 |
| 4.2 数据基本特征 |
| 4.2.1 正态性特征 |
| 4.2.2 平稳性特征 |
| 4.2.3 自相关特征 |
| 4.2.4 条件异方差特征 |
| 4.3 GARCH类模型建模 |
| 4.3.1 GARCH(p,q)模型建模 |
| 4.3.2 TGARCH(p,q)模型建模 |
| 4.3.3 EGARCH(p,q)模型建模 |
| 4.4 VaR的计算及检验 |
| 4.4.1 VaR的计算 |
| 4.4.2 VaR值的失败检验 |
| 4.5 CVaR的计算与检验 |
| 4.5.1 CVaR的计算 |
| 4.5.2 CVaR的检验 |
| 第5章 中小板与主板市场相比较的实证分析 |
| 5.1 序列基本特征比较分析 |
| 5.1.1 序列基本统计特征 |
| 5.1.2 序列平稳性分析 |
| 5.1.3 序列波动性分析 |
| 5.2 格兰杰因果关系分析 |
| 第6章 本文结论及对策建议 |
| 6.1 主要结论 |
| 6.2 建议 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（5）原油价格对行业股票市场的风险溢出效应研究 ——基于变分模式分解的Copula方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 文献综述 |
| 1.2.1 原油价格与股票市场的研究现状 |
| 1.2.2 Copula函数在金融市场相依关系中的研究现状 |
| 1.2.3 Copula函数和极值理论在风险度量中的研究现状 |
| 1.2.4 Copula函数在风险溢出中的研究现状 |
| 1.3 研究内容与创新点 |
| 1.3.1 研究内容 |
| 1.3.2 创新点 |
| 第2章 相依性度量与风险溢出模型 |
| 2.1 传统的相依性度量方法 |
| 2.1.1 线性相关系数 |
| 2.1.2 秩相关系数 |
| 2.2 Copula函数理论 |
| 2.2.1 Copula函数定义及性质 |
| 2.2.2 Copula函数类型 |
| 2.2.3 基于Copula函数的相依性度量 |
| 2.3 风险溢出模型 |
| 2.3.1 风险度量VaR |
| 2.3.2 风险溢出效应CoVaR |
| 第3章 原油价格与行业股票市场间的相依性分析 |
| 3.1 样本选取及描述性统计 |
| 3.1.1 样本选取 |
| 3.1.2 描述性统计 |
| 3.2 GARCH-VMD-Copula模型构建 |
| 3.2.1 边际分布模型 |
| 3.2.2 变分模式分解方法 |
| 3.2.3 GARCH-VMD-Copula模型 |
| 3.3 实证分析 |
| 3.3.1 边际分布模型估计 |
| 3.3.2 变分模式分解结果 |
| 3.3.3 相依性分析 |
| 3.4 本章小结 |
| 第4章 原油价格与行业股票市场的风险度量分析 |
| 4.1 基于GARCH-EVT-VaR模型的单一市场的风险度量 |
| 4.1.1 极值理论 |
| 4.1.2 GARCH-EVT-VaR模型 |
| 4.2 基于GARCH-VMD-Copula-VaR模型的组合市场的风险度量 |
| 4.2.1 GARCH-VMD-Copula-VaR模型 |
| 4.2.2 风险度量VaR的回测检验方法 |
| 4.3 实证分析 |
| 4.3.1 极值理论估计 |
| 4.3.2 单一市场的VaR风险度量分析 |
| 4.3.3 组合市场的VaR风险度量分析 |
| 4.3.4 风险度量VaR的回测检验结果 |
| 4.4 本章小结 |
| 第5章 原油价格对行业股票市场的风险溢出效应分析 |
| 5.1 VMD-Copula-CoVaR模型构建 |
| 5.1.1 Copula-CoVaR模型 |
| 5.1.2 VMD-Copula-CoVaR模型 |
| 5.2 B-P多断点检验方法及步骤 |
| 5.2.1 B-P多断点检验方法 |
| 5.2.2 B-P多断点检验步骤 |
| 5.3 实证分析 |
| 5.3.1 原始序列的风险溢出效应分析 |
| 5.3.2 长期序列的风险溢出效应分析 |
| 5.3.3 短期序列的风险溢出效应分析 |
| 5.3.4 风险溢出效应的结构断点检验 |
| 5.3.5 长期和短期投资中的非对称风险溢出效应分析 |
| 5.3.6 熊市和牛市中的非对称风险溢出效应分析 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究结论 |
| 6.2 政策建议 |
| 6.3 研究展望 |
| 参考文献 |
| 致谢 |
（6）中国商业银行利率衍生品风险管理研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景、目的及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 文献综评 |
| 1.3 研究的基本思路与方法 |
| 1.3.1 研究的基本思路 |
| 1.3.2 研究方法 |
| 1.4 研究对象的界定 |
| 1.5 创新与不足 |
| 1.5.1 创新之处 |
| 1.5.2 不足之处 |
| 第2章 商业银行利率衍生品风险管理模型及方法 |
| 2.1 VaR和CVaR风险度量模型及估计方法 |
| 2.1.1 VaR和CVaR风险度量模型 |
| 2.1.2 VaR和CVaR模型的估计方法 |
| 2.2 矢量自回归模型 |
| 2.3 利率衍生品定价模型 |
| 2.4 本章小结 |
| 第3章 商业银行利率衍生品的发展与管理问题分析 |
| 3.1 利率衍生品的概念、分类、特点及功能 |
| 3.1.1 利率衍生品概念 |
| 3.1.2 利率衍生品分类及特点 |
| 3.1.3 利率衍生品的功能 |
| 3.2 国外利率衍生品的发展与管理经验启示 |
| 3.2.1 国外利率衍生品的发展 |
| 3.2.2 管理经验启示 |
| 3.3 国内利率衍生品的发展与问题分析 |
| 3.3.1 利率衍生品的发展 |
| 3.3.2 商业银行利率衍生品风险管理现状 |
| 3.3.3 问题分析 |
| 3.4 本章小结 |
| 第4章 商业银行利率衍生品风险管理的理论分析 |
| 4.1 商业银行利率衍生品风险及其成因分析 |
| 4.1.1 利率衍生品风险种类及特点 |
| 4.1.2 利率衍生品风险成因分析 |
| 4.2 商业银行利率衍生品风险的一般传导路径 |
| 4.3 商业银行利率衍生品风险的识别与防范 |
| 4.3.1 风险识别 |
| 4.3.2 风险估测 |
| 4.3.3 风险评价和管理 |
| 4.4 本章小结 |
| 第5章 利率衍生品市场性VaR和CVaR风险实证分析 |
| 5.1 模型及风险估计方法选取 |
| 5.2 样本选取与数据处理 |
| 5.3 VaR和CVaR风险计量模型构建 |
| 5.4 实证结果呈现及分析 |
| 5.5 本章小结 |
| 第6章 CVaR风险对商业银行股票收益率溢出效应的实证分析 |
| 6.1 模型及拟合方法选取 |
| 6.2 样本选取与数据处理 |
| 6.3 矢量自回归模型构建 |
| 6.4 实证结果呈现及分析 |
| 6.5 本章小结 |
| 第7章 结论、对策与研究展望 |
| 7.1 研究结论 |
| 7.2 对策 |
| 7.3 研究展望 |
| 附录 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间取得的科研成果 |
（7）基于VaR模型的中证100指数风险度量研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题背景 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究现状 |
| 1.4 研究内容、方法及框架 |
| 2 VaR基本原理及金融风险理论概述 |
| 2.1 VaR基本原理 |
| 2.2 金融风险理论概述 |
| 3 三种模型简介 |
| 3.1 基于方差-协方差的VaR模型 |
| 3.2 基于GARCH模型的VaR模型 |
| 3.3 基于极值理论的VaR模型 |
| 4 实证研究 |
| 4.1 数据的基本统计分析处理 |
| 4.2 基于方差-协方差的VaR模型的计算 |
| 4.3 基于GARCH模型的VaR模型的计算 |
| 4.4 基于极值理论的VaR模型的计算 |
| 4.5 模型有效性检验 |
| 5 总结与展望 |
| 5.1 结论 |
| 5.2 创新 |
| 5.3 展望 |
| 参考文献 |
| 攻读硕士期间的主要成果 |
| 附录 |
| 致谢 |
（8）混频Copula建模及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 研究背景 |
| 1.2 问题提出 |
| 1.3 研究意义 |
| 1.4 创新点与结构安排 |
| 1.4.1 创新点 |
| 1.4.2 结构安排 |
| 第二章 文献综述 |
| 2.1 国外研究现状 |
| 2.1.1 混频数据模型研究现状 |
| 2.1.2 Copula理论研究现状 |
| 2.2 国内研究现状 |
| 2.2.1 混频数据模型研究 |
| 2.2.2 Copula理论研究现状 |
| 2.3 文献述评 |
| 第三章 相关模型介绍 |
| 3.1 MIDAS模型介绍 |
| 3.1.1 MIDAS模型 |
| 3.1.2 MIDAS模型的设定问题 |
| 3.2 Copula函数介绍 |
| 3.2.1 Copula函数的定义和基本性质 |
| 3.2.2 Copula函数的相关性测度 |
| 3.2.3 Copula函数的参数估计 |
| 3.2.4 Copula函数的检验 |
| 3.2.5 常见的Copula函数 |
| 3.3 条件在险价值(CoVaR)方法 |
| 3.3.1 VaR和ES方法 |
| 3.3.2 CoVaR方法 |
| 3.3.3 CoVaR计算过程 |
| 3.4 混频Copula模型的构建及参数估计 |
| 3.4.1 混频Copula模型 |
| 3.4.2 混频Copula模型参数估计 |
| 3.5 本章小结 |
| 第四章 混频Copula模型参数估计 |
| 4.1 数据选取及处理 |
| 4.2 数据的描述性统计 |
| 4.3 边缘分布模型的选取及估计结果 |
| 4.3.1 边缘分布模型 |
| 4.3.2 边缘分布模型参数估计 |
| 4.4 混频Copula参数估计 |
| 4.5 本章小结 |
| 第五章 相依结构与风险溢出效应分析 |
| 5.1 市场间相依结构分析 |
| 5.1.1 静态相依结构分析 |
| 5.1.2 动态相依结构分析 |
| 5.2 市场间风险溢出效应分析 |
| 5.3 本章小结 |
| 结论与展望 |
| 一、研究结论 |
| 二、研究展望 |
| 参考文献 |
| 致谢 |
| 在学期间研究成果 |
（9）我国沪深港股市风险溢出效应的度量实证研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究综述 |
| 1.2.1 风险溢出效应研究综述 |
| 1.2.2 股票市场风险溢出理论研究综述 |
| 1.2.3 股票市场风险溢出实证研究综述 |
| 1.2.4 文献评述 |
| 1.3 研究思路与技术路线 |
| 1.3.1 研究思路 |
| 1.3.2 技术路线图 |
| 1.4 主要创新 |
| 第二章 相关理论与模型及方法 |
| 2.1 相关理论 |
| 2.1.1 风险溢出效应概述 |
| 2.1.2 相关经典理论 |
| 2.2 模型及方法 |
| 2.2.1 BEKK-GARCH模型 |
| 2.2.2 VaR方法 |
| 2.2.3 CoVaR方法 |
| 2.2.4 分位数回归模型 |
| 第三章 沪深港股市风险溢出效应的度量实证研究 |
| 3.1 样本数据的选取和分析 |
| 3.1.1 数据的统计描述 |
| 3.1.2 单位根检验 |
| 3.1.3 ARCH效应检验 |
| 3.2 沪深港股市风险溢出关系分析 |
| 3.2.1 三元BEKK-GARCH模型的建立 |
| 3.2.2 三元BEKK-GARCH模型的估计结果 |
| 3.3 沪深港股市风险溢出强度分析 |
| 3.3.1 分位数回归CoVaR模型的建立 |
| 3.3.2 风险溢出强度的计算 |
| 3.4 实证结论及分析 |
| 第四章 政策建议 |
| 4.1 对金融监管及政策制定者的建议 |
| 4.2 对投资者的建议 |
| 第五章 研究结论与展望 |
| 5.1 研究结论 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
（10）基于VaR方法的中国股市异动风险研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 选题背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 论文研究的结构与创新点 |
| 第2章 基于VaR方法的股市异动风险相关理论概述 |
| 2.1 金融风险与证券市场风险 |
| 2.1.1 金融风险及金融风险管理 |
| 2.1.2 市场风险的内涵及特征 |
| 2.2 股市异动及其判别方法 |
| 2.3 VaR理论概述 |
| 2.3.1 VaR方法的含义 |
| 2.3.2 VaR计算的基本思想 |
| 2.4 VaR计算的三类典型方法 |
| 2.4.1 历史模拟法 |
| 2.4.2 方差-协方差法 |
| 2.4.3 Monte Carlo模拟法 |
| 2.5 VaR方法的后验检验 |
| 第3章 基于VaR方法的中国股市异动风险实证研究 |
| 3.1 中国股市的现状及风险 |
| 3.2 样本的选取与处理 |
| 3.2.1 数据的选择 |
| 3.2.2 置信度的选择 |
| 3.2.3 上证综指收益率的正态性检验 |
| 3.3 VaR各计算方法的实证分析 |
| 3.3.1 历史模拟法 |
| 3.3.2 方差-协方差法 |
| 3.3.3 Monte Carlo模拟法 |
| 3.4 三种VaR模型的准确性检验及分析 |
| 3.5 与其他时期VaR结果的对比 |
| 第4章 中国股市异动风险的宏观经济分析 |
| 4.1 影响中国股市异动风险的宏观经济因素 |
| 4.1.1 工业增加值增长速度 |
| 4.1.2 场外配资 |
| 4.1.3 融资融券业务 |
| 4.1.4 货币政策中介指标-货币供应量和利率 |
| 4.1.5 汇率 |
| 4.1.6 居民消费价格指数 |
| 4.2 中国股市异动风险影响因素的实证分析 |
| 4.2.1 变量选择 |
| 4.2.2 模型数据处理 |
| 4.2.3 时间序列的平稳性检验 |
| 4.2.4 向量自回归模型 |
| 4.2.5 脉冲响应函数 |
| 4.2.6 方差分解 |
| 4.3 实证结论分析 |
| 第5章 对策建议 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读学位期间发表论文与研究成果清单 |
| 致谢 |
四、度量金融风险的VaR方法及其在我国股市风险分析中的应用（论文参考文献）
- [1]中国金融二级行业间的风险外溢方向及传导机制研究 ——基于TVP-VAR模型识别[D]. 顾晨薇. 暨南大学, 2020(04)
- [2]非线性期望理论及其在风险度量中的应用[D]. 沙静慧. 山东大学, 2020(12)
- [3]国际股市高频波动信息与我国股市波动率预测研究[D]. 雷立坤. 西南交通大学, 2020(06)
- [4]基于GARCH类模型VaR和CVaR在我国中小板市场风险度量中的应用[D]. 胡艳妹. 山东大学, 2020(12)
- [5]原油价格对行业股票市场的风险溢出效应研究 ——基于变分模式分解的Copula方法[D]. 王文慧. 浙江工商大学, 2020(02)
- [6]中国商业银行利率衍生品风险管理研究[D]. 周威皓. 辽宁大学, 2019(12)
- [7]基于VaR模型的中证100指数风险度量研究[D]. 张天雅. 山东科技大学, 2018(03)
- [8]混频Copula建模及应用[D]. 林志. 福州大学, 2018(03)
- [9]我国沪深港股市风险溢出效应的度量实证研究[D]. 黄康杰. 福州大学, 2017(05)
- [10]基于VaR方法的中国股市异动风险研究[D]. 宋思然. 北京理工大学, 2017(03)