动态极值VaR股指分析的中国行业风险研究

书书书第!卷第#期$%%年&&月’东南大学学报!自然科学版!#$%&’()#*+,&)*#%-.,$)-*/!%012304)567857,9616:8’.:4;!%:;#%:;$%%9:6#&%;!#=;6??8;&%%&(%)%);$%%;%#;%!&基于动态极值!#股指分析的中国行业风险研究刘庆斌&’’姜’薇$!&天津工业大学管理学院$天津!%%&#%!$军事交通学院基础部$天津!%%&#&摘要#应用动态极值.0$模型分析中国行业股票价格指数$对不同市场条件下中国行业风险进行实证研究;在@5%764等提出的A&$B+模型与极值理论基础上$运用+26?C08等提出的.0$法修正上述风险值估计方法$构建了动态极值.0$模型;在该模型的构建中考虑了风险因子的时变特性$采用,.*方法对风险因子的厚尾特性进行建模$简化了风险值的估计过程$并提高了估计的准确性;动态极值.0$模型能够较好地刻画风险尾部分布特性$同时能够比较准确地度量所研究时间段内的市场风险和行业风险;研究结果表明$不同市场条件下各行业的风险特性具有显著的变化;最后利用D32?E04FG0446?一致性检验对上述结论进行了验证;据此$在资产组合管理过程中$有必要依据市场环境和行业风险特性对资产配置比例进行调整;关键词#行业股票价格指数%A&$B+F,.*%H*模型%风险值%行业风险中图分类号#(*!%+’’文献标志码#&’’文章编号#&%%&(%)%)!$%%%#F&$,#F%#$%&’()*+,-./0/-.’&0%1(1-0230/’).0%)42-.’/5.6(0-0)*’(.7-48!9:!#’62I68JK68&’’!608JG76$!&)5L::4:M,5:8:C65?$*60868H:4N175L865#8673?61N$*60868!%%&#%$BL680!$A787304B:23?7?O7P031C781$&5097CN:M@646103N*308?P:31016:8$*60868!%%&#&$BL680;30%14%#BL687?76892?13N?1:5EP36576897Q6?0804NR790897CP636504?12967?:8BL680&?6892?1360436?E2897396MM73781C03E715:89616:8?037C097S61LA&$B+F,.*!J7873046R79021:37J37??675:8F9616:804L7173:?E790?16561NF7Q137C704271L7:3N.0$!04270136?EC:974;81L7K0?6?:M1L7A&$B+C:9740897Q137C704271L7:3NP37?78179KN@5%76089:1L73?5L:403?$1L6?P0P73C:96M67?1L70K:7C71L:9:M36?E7042016:80895:8?13251?0A&$B+F,.*.0$C:974KN0PP4N68J.0$C71L:9P21M:3S039KN+26?C08089:1L73?;*0E68J16C7F03N68JP3:P731N:M1L736?EM051:3681:5:8F?6973016:8SL6475:8?1325168J1L7C:974$1L6?P0P73C:974?1L7M01F1064:M1L736?EM051:32?68J,.*$1L2??6CP46MN68J1L77042016:8P3:57??:M.0$0896CP3:68J1L70552305N:M7042016:80?037?241;*L7A&$B+F,.*.0$C:974508K7117397?536K71L71064:M1L796?136K216:8$089C:37055230174NC70?2371L7C03E7136?E0896892?1360436?ES61L68?129679P736:90?S744;*L737?241?689650171L0136?E?:M96MM737816892?1367?03N6896MM73781C03E715:89616:8?;*L70K:75:8542?6:8?03704690179KN2?68JD32?E04FG0446?B:8?6?1785N17?1?;-16?7??7816041:092?11L796?136K216:8?:M0??71?6805F5:390857S61LC03E715:89616:8?089M701237?:M6892?1360436?E?681L7P3:57??:M0557??5:CK68016:8C080J7C781;/(=)1’0#6892?13N?1:5EP36576897Q%A&$B+F,.*!J7873046R79021:37J37??675:89616:804L71F73:?E790?16561NF7Q137C704271L7:3N%H*!P70E:731L37?L:49C:974%.0$!04270136?E%6892?1360436?E收稿日期#$%%F%!F&-;’作者简介#刘庆斌!&-&’$男$硕士$讲师$K788711.6P;?680;5:C;基金项目#国家自然科学基金资助项目!-%-%$%&$;引文格式#刘庆斌$姜薇;基于动态极值.0$股指分析的中国行业风险研究(!);东南大学学报#自然科学版$$%%$!!##&$,#&$)&;(9:6#&%;!#=;6??8;&%%&(%)%);$%%;%#;%!&)’’行业风险分析是投资决策和资产组合管理等领域不可或缺的环节$了解各行业风险特性是进行证券选择的基础$因此对行业风险进行准确*实时的度量成为投资者关注的重点;国内对行业风险的研究主要从考察行业收益波动性的角度进行;传统的波动性风险度量方法以收益率对均值的偏离程度来刻画风险(&)$但将收益率的上偏和下偏均视为风险$显然与投资者更关注收益率下偏的现实情况相矛盾%此外$该方法不能给出风险发生的概率和损失额度$投资者只能根据历史经验进行主观判断;.0$方法的提出较好地解决了上述问题$它给出了在一定置信水平下$某一金融资产或组合在未来特定的一段时间内的最大可能损失$是对金融资产或组合下偏风险的测量($);方差协方差方法是计算.0$最基本*最常用的方法$但该方法忽视了金融资产收益波动性所具有的+时变性,和+聚集性,特点;为了克服上述缺点$A&$B+模型被引入.0$方法中$从而实现了.0$模型的动态化即对风险的实时测量(!);虽然A&$B+模型的引入解决了.0$的时变问题$但模型中关于条件分布服从正态分布的假设$使其不能较好地刻画金融时间序列尖峰*厚尾的特性$而.0$模型恰恰关注的是风险因子尾部的情况$即发生极端事件时的风险状况(,)$因此A&$B+模型的这一缺陷将严重影响动态.0$结果的准确性$造成投资者低估可能面临的风险;而,.*理论在风险度量领域中的应用克服了传统方法不能较好拟合尾部分布的缺点;’:8FJ68())和@5%764(#)利用分块样本极大值方法对该问题进行了研究;’:8J68在研究中没有考虑金融时间序列具有的随机波动性$假设市场因子独立同分布;@5%764使用了与’:8J68相同的方法$并给出了如何修正由于随机波动性导致的极端事件聚集的问题;@5%764和(37N(-)通过将A&$B+模型和,.*模型结合对波动性的时变性和风险厚尾特性进行了综合研究;现有行业风险研究主要利用行业股票价格指数的波动性进行分析$如)5LS031R和&41C08(*)考察了美国行业股票价格指数波动性之间的变化规律$发现不同行业股指的波动大小存在显著差异$行业股指波动性的相对大小在各个阶段具有显著稳定性;劳兰臖和邵玉敏()依据深交所数据对各行业的股票价格指数进行实证分析$将总风险量化分解为与市场相关的风险和行业特有的风险$部分$对各行业的风险特征进行深入研究;发现各行业在与市场相关的波动性排序上不具有稳定性;但是仅从波动性层面上对行业风险进行分析显然不能对实际资产配置进行有效的指导$投资者需要更加直观*意义明确的风险度量方式;从目前的研究现状看$利用.0$模型对各行业风险进行度量的研究还较少;鉴于此$本文将.0$方法与A&$B+F,.*模型相结合$对考虑金融市场极端事件风险的.0$进行动态建模$然后利用这一方法并依据我国行业股票指数对各行业风险特征进行刻画$以期提高金融机构资产配置和风险管理效率;?基于@;#+A:8!9模型的动态极值!#建模’’极值理论!7Q137C704271L7:3N$,.*建立在完善的统计理论基础之上$用来研究极端事件的分布特性(&%);@5%764和(37N提出了一种两阶段方法$将A&$B+模型和,.*理论相结合对风险进行预测(-)$克服了,.*方法简单地使用无条件分布而忽略波动性*时变性的缺点;根据,.*理论近年发展起来的H*!P70E:731L37?L:49模型(&&)是对观察值中所有超过某一较大门限值的数据建模$由于其有效地使用了有限的极端观察值$通常被认为在实践中是最有效的(&$);因此本文也将使用H*模型对各行业的尾部风险建模;设某金融资产的对数回报的日观测值!!!B是一个严平稳过程#令$%&!$假设$的动态特性可表示为$%!’(!&式中$(是白噪声过程$其均值为%$方差为&$边际分布为)(!*%!为条件期望$为条件异方差#对于期限+!C$)$’&’-’$’+,!-!,表示当前已知信息集表示在已知日以及日之前的$情况下$未来+天的$的预测分布#@5%764和(37N的两阶段法可概括如下#!用A&$B+模型拟合负对数回报$即$$并对残差的分布形式不作任何假设#采用伪极大似然方法!P?729:FC0Q6C2CF46E746L::9C71L:9$H@’对参数进行估计$可以证明H@’方法得到的是一致渐进正态参数估计#通过拟合出的模型估计条件期望!’&和条件波动性’&$并由(%!-&.!/.计算模型的残差#.)(!*%01&’.#!$*&*!1&0.$!$()&&/.#!$*2*!1&0&113%&&.*3#*/*!1&0#*#*!0’&&&01&’.#!&*&*!0’&.$!&()&&/.#!&*4*!0’&!$-,$&第#期刘庆斌$等#基于动态极值.0$股指分析的中国行业风险研究式中$*!0’&为上尾的阈值%*!1&0为下尾的阈值%1为残差项的样本数%0为表示低于下尾阈值的残差项个数%.$为规模参数%.#为尾部指数#将残差看作是严白噪声过程的一个实现#利用H*模型对)(!*的尾部进行建模$得到分位数*5!5为置信概率#残差的分布函数如式!$所示$其中尾部的分布形式根据H*模型建模获得$中部的分布形式由历史经验得到#H*模型建模过程中$样本阈值的选取至关重要$若阈值过大将导致超过阈值的样本数过少$参数估计的误差较大%若阈值过小将导致参数估计是有偏的(&!)#关于阈值的选取将在下面的研究中进一步讨论#利用H*模型来对分位数*5!54%+)进行估计$对于给定的概率5有.*5%6’.$.#176()5&.#&[]&!!式中$76为阈值内的样本点数%6为残差的均值#在得到残差*5的基础上$根据预测的条件期望!’&和条件波动性’&可得到’&期的置信概率为5的.0$值#D?基于动态极值!#股指分析的中国行业风险研究’’行业风险是投资者进行投资决策*选择行业时要考虑的主要因素之一;行业风险分析在资产配置中起至关重要的作用$基于A&$B+F,.*模型的动态极值.0$方法可以给出在一定置信水平下资产每日的最大损失值$而且充分考虑了发生极端事件时的风险状况;这为投资者实时准确地评价当前市场中各个行业的风险状况$并根据各行业的风险特性调整资产配置在行业间的比例提供了标准和依据;下面将利用动态极值.0$并根据行业股票指数对我国行业风险进行分析和研究;DE?基于股指的中国行业风险动态极值!#建模及估计’’本文选取$%%!年!月!日/$%%*年!