实验报告模版

《金融风险管理》课程实验报告专业：班级：学号：姓名：日期：年月日（实验项目名称：居中，黑体，四号字）一、实验目的与要求（居中，黑体，小四号字）（简要介绍本项目实验需要解决什么问题，达到什么效果，有哪些规定性要求，比如对实验内容、样本数据和具体方法等方面的限定；宋体，五号字）二、实验方法与原理（居中，黑体，小四号字）（简要介绍本项目实验所采用的具体方法及其基本原理；宋体，五号字）三、实验过程与步骤（居中，黑体，小四号字）（详细介绍本项目实验的主要过程及具体操作步骤，要求对实验过程的介绍必须完整，思路清晰，前后步骤不能弄错，关键性步骤必须有截图和文字配合说明；宋体，五号字）四、实验结果与分析（居中，黑体，小四号字）（详细介绍通过前面的操作过程所得到的实验结果，并要求对实验结果进行分析，比如是否达到了预期目的、可能还存在哪些问题、原因是什么等等，分析时尽可能深入，内容一定要充实；宋体，五号字）五、心得体会（居中，黑体，小四号字）（这部分内容是对项目实验的进一步延伸，主要围绕实验过程中自己的感受、遇到的问题及解决、对本实验项目设计的看法和建议等等；宋体，五号字）附：参考模版基于三种方法的VaR估算——以中信银行（601998）股票为例一、实验目的与要求【实验目的】本实验项目主要在于通过对具体案例的实验操作，掌握VaR的三种估算方法，并通过对实验结果的分析，进一步理解这三种方法的基本原理及各自的优劣利弊。【实验要求】投资者于2015年4月21日以收盘价购买一万股中信银行股票，在99%的置信水平下，预测下一交易日该投资者可能面临的最大损失额。要求用历史模拟法、蒙特卡罗模拟法以及方差协方差法分别实验。历史模拟法的样本数据不得少于250个，蒙特卡罗模拟的次数不得低于10000次。二、实验方法与原理风险估值(ValueatRisk，简称VaR)是在一定置信水平和一定持有期内，某一进入资产或组合在正常的市场条件下所面临的最大损失额，是一种用于测量和控制金融风险的量化工具。与传统测量工具相比，VaR的优点在于其具有简明性和综合性，将市场风险概括为一个简单的数字，便于高层管理者和监管机构理解。VaR的获取方法主要有三种，即历史模拟法、蒙特卡罗模拟法以及方差协方差法（参数法），本实验将分别采用这三种方法来估计中信银行股票的VaR数值。历史模拟法认为“历史会重演”，从而使用金融资产收益率的历史数据，根据置信度直接从中选取一个收益率来计算VaR；蒙特卡罗模拟法是假定金融资产的收益率服从某种分布，再根据历史数据估计出该分布的参数，然后使用随机数发生器模拟出大量收益率的未来可能值参数法假定金融资产收益率服从某种分布，再根据修正参数和该资产的期初价值计算出VaR；方差—协方差法假定金融资产收益率服从某种分布,再根据修正参数和该资产的期初价值计算出VaR。三、实验过程与步骤【样本数据】中信银行（601998）2012年4月23日至2015年4月21日的收盘价，共726组数据，数据来源为大智慧。【实验工具】本实验采用的软件及版本为Matlab7、Stata/SE12.0。【相关说明】实验变量选择上对于PPT上的内容进行修改了，个人对于统计方面的见解是，绝对量的波动研究是没有意义的，因为在不同基数下变动相应的数值所需的影响大小是不同的。同时个人觉得股价波动符合这一特征，同时股票收益在于收益率而不是股价绝对值的变化，因此本实验放弃PPT中以头寸收益来确定VaR值的方法转而使用收益率作为衡量标准（仅随机游走模型因收益率不满足存在单位根的必要条件，才在该节采用头寸损益作为变量）。（一）历史模拟法第一步，建立样本，模拟头寸。模型数据选择2012年4月23日至2015年4月21日的收盘价，共726组数据。模拟头寸在每一个历史交易日中的价值，以当日股价减去前一交易日股价并除以前一交易日股价作为当日股票的收益率，由此获得模拟头寸的的时间序列。第二步，求解VaR。使用Matlab的sort命令将收益率序列数据按升序排列，由于所给定置信水平为99%，找到对应的第7261%=7.26个数据（本实验采用插值法，对第7、8个数进行加权平均得到所需数据），为0.0595，即单日0.05958.0310000=4721.9%,1VaR元（99天）。（二）蒙特卡罗模拟法1.随机游走模型第一步，单位根检验。检验收益率时间序列数据是否存在单位根，本实验采用Dicky-Fuller、Phillips-Perron检验，分别对于收益率序列进行单位根鉴定。两种检定结果均为0.0000p，即在99%的显著性水平下认为该时间序列不存在单位根。因此尝试头寸损益时间序列是否存在单位根，对于单位根检验本实验采用Dicky-Fuller、Phillips-Perron检验。表2.1单位根鉴定变量(1)I过程(2)I过程结论DF检定PP检定DF检定PP检定RZ值-24.799-24.764(0)I过程p值0.00000.0000PZ值0.1590.194-25.538-25.503(1)I过程p值0.96990.97120.00000.0000其中，R表示收益率，P表示头寸损益。第二步，干扰项分布的确定。由于设定头寸损益变动服从随机游走过程，因此干扰项与收益率服从相同的分布函数，两者仅均值不同，因此可以通过估计收益率分布并将其均值变为零得出干扰项的分布。本文证明该收益率数据存在“尖峰厚尾”的情况（如图2.1，证明见3.2节相关内容），因此考虑使用混合正态分布拟合t，以减小拟合的误差。图2.1中信银行收益率频率分布实验首先估计收益率的分布。本实验使用极大似然估计的方法以Matlab7作为工具，经过设定初值后重复迭代直至收敛，得出收益率可以由下列混合正态分布近似替代：0.8689(4.19780.45457)0.1311(7.15910.52485)tP，，，从而得出干扰项的混合正态分布服从：0.8689(-0.38830.45457)0.1311(2.5730.52485)t，，。根据求出的干扰项分布随机生成十万组数据，在给定置信水平为99%的前提下，通过分位数计算可以计算出该分位数下干扰项为-0.5453t，从而计算出收益率变动为-0.545310000=5453%tP元（99，1天）。（三）参数法1.静态估计法假定t不随时间的变化而变化，因此=t，即t恒等于一常数。由这一假设可得；历史标准差与未来标准差相同，即可根据历史数据求出=0.023。根据公式VaRp，并假设t服从正态分布的条件下，得出3804.61%,1VaR元（99天）。2.动态估计法——GRACH族模型（1）收益率分布特征分析中信银行2013年4月23日至2015年4月21日收益率统计出的频率分布如下图所示，不难看出其与所对应的正态分布相比具有“尖峰厚尾”的特征，考虑该收益率可能不服从正态分布，因此对于该数据是否服从正态分布加以检验。图3.1中信银行收益率频率分布对于收益率是否服从正态分布，本实验采用Q-Q图和Jarque-Bera检验综合判断收益率是否服从正态分布，结果如下图、表所示。由Q-Q图可以看出该收益率在尾部和正态分布尾部相差较大，即期分布可能不服从正态分布。Jarque-Bera检验结果可以看出其峰度、偏度以及联合检定的与正态分布是否存在差异的显著性都在99%的置信水平上拒绝了其服从正态分布的假设。图3.2中信银行收益率Q-Q图表3.1Jarque-Bera检验统计值2p峰度0.754768.910.0000偏度7.912729.80.0000组合798.70.0000对于存在的“尖峰后尾”使得收益率不满足的情况，下文考虑收益率的随机误差项服从t分布或GED分布。（2）模型估计考虑到股票市场所具有的信息对于股价波动的冲击通常具有非对称性，本实验首先尝试使用EGARCH（1,1）和TGARCH（1,1）模型采用极大似然估计进行参数估计，其结果如下表3.2参数估计结果（1）（2）（3）（4）GARCH_tEGARCH_tEGARCH_gedTGARCH_tL.arch0.148**0.0722(2.95)(1.64)L.garch0.858***0.869***(25.50)(28.07)L.earch0.0723*0.0729**(2.14)(2.63)L.earch_a0.198***0.159***(3.68)(4.04)L.egarch0.975***0.971***(84.55)(75.62)L.tarch0.102(1.63)-cons0.0000188*-0.157-0.214*0.0000185*(2.14)(-1.74)(-2.14)(2.24)N726726726726Likelyhood1862.11862.41856.11863.6AIC-3712.3-3714.9-3700.1-3713.2BIC-3691.3-3685.3-3672.6-3687.7注：***、**和*分别表示在1%、5%和10%的水平下显著，括号内为标准差。其中，GED-GRACH、GED-TGRACH结果不收敛舍去。由回归结果，TGARCH效应不显著，因此排除模型（4）；EGARCH效应在10%的显著性水平下成立，说明不排除存在负向信息和正向信息的影响作用非对称的存在。根据AIC准则确定的模型为t-GARCH（1,1），而根据BIC准则确定的模型为t-EGARCH（1,1）。由于GRACH类模型成立需要满足残差为白噪声，因此对于两模型进行白噪声检验（见图3.3），发现残差基本都落在置信区间以内，说明模型的使用是合理的。对于两模型进行似然比鉴定，发现由于本实验目的在于确定单日VaR值，因此不再讨论两者的优劣，对两模型均予以接受，分别计算出其单日VaR值。图3.3t-GARCH（1,1）、t-EGARCH（1,1）残差白噪声检验首先，计算出在t-GARCH（1,1）、t-EGARCH（1,1）下t的分别22.744910、22.996710。接着，根据公式VaRp，在取置信水平为99%的情况下，VaRp，分别得出单日VaR值为3837.33%,1GARCHVaR元（99天）、4189.29%,1EGARCHVaR元（99天）。（其中0.98(3)3.4819t）四、实验结果与分析本次实验共采用了三大类五种方法求解VaR值，计算结果汇总如下：表4.1VaR值实验结果汇总VaR历史模拟法蒙特卡罗模拟法4721.905453.00参数法(静态估计)参数法(t-GRACH)参数法(t-EGARCH)3804.613837.334189.29其中VaR值为在99%的置信水平下，下一交易日的最大损失额从VaR值结果来看，预测的结果比较接近，因此VaR结果具有稳定性。在99%的置信水平下，参数法(静态估计)所预测的下一交易日VaR值最小，为3804.61元（99%，1天），蒙特卡罗模拟法所预测的VaR值最大为5453.0元（99%，1天）。根据实验结果可以发现单日VaR值集中在[3500,5500]区间，所以说预测2015年4月22日的VaR值应该在此区间内，由于4月22日该股上涨，因此已经涵盖了下一交易日投资者的最大损失额，因此在一定程度上说明该结果是有效的。五、心得体会本实验分别采用历史模拟法、蒙特卡罗模拟法和参数法三种方法估算了中信银行股票的VaR值。其中历史模拟法并未采用头寸损益作为变量而是用收益率替代；蒙特卡罗模拟法从单位根检验中发现头寸收益时间序列含有一阶单位根，认为设定随机游走模型合理，设定干扰项服从混合正态分布，给出在此设定下的VaR值，考虑到随机游走过程的不合理本实验也给出以几何布朗运动模型描述得出的VaR值作为参考；参数法中分别采用静态、动态方法估计值，动态方法采用的是GARCH族模型。通过本项目实验，本人不仅掌握了VaR的三种方法估算方法，同时，还真切地体会到VaR系统的强大。正如老师课上所说的，VaR的最大生命力在于其灵活性，允许操作者可