基于GARCH-VAR模型的文献综述和度量分析

李婧

一、引言

伴随着1990年11月与12月上海证券交易所与深圳证券交易所相继成立以来，经历了近三十年的发展，我国股票市场在经济增长方面做出了巨大的贡献，在反映我国金融市场与宏观经济的发展状况方面也起着很重要的作用，股票市场的趋向常常隐藏着的接下来一段时间内国家经济的发展方向，因而有效的测度股市风险，对政府与金融机构提出相应的政策，用以使得经济和市场稳定地运转有着理论意义与实践意义，中央领导财经小组第十一次会议2015年11月10日在北京召开，由习近平主席主持会议，会上强调要加大防范金融风险的力度，加快形成一个能够充分保护投资者权益的股票市场，并且该市场还能够具备扎实的融资功能，完备的基础制度。因而，借鉴国外先进的VAR方法来探讨对中国股票市场的风险测度适用的方法在此时就显得十分重要。

二、文献综述

在1994年，J.P.Morgan公司初次提出基于VAR的风险度量系统--RiskMetrics，该系统在正态分布的假设下，给出了VAR的计算方法。此后国内外关于金融资产收益率波动性研究的文献和报告也越来越多，在国外有Cavallo与Bologna应用GARCH模型计算得出股票价格的波动与股指期货存在很大的关系;Vlaar和Goorbergh（1996）通过对VAR的多种计算模型进行实证分析比较，发现由GARCH模型计算的VAR值是最精确的;Engle根据波动的预测值进行VAR计算，并跟据此进行资产的风险管理;Angelidisetal分析得到采用t分布或GED分布等其余分布能起到更好的改进GARCH类模型的作用;Engle和lee采用因素ARCH 模型针对少量大盘股的个股特殊风险的持续性做过研究;Bredinetal通过构建自己的比较分析框架，通过对爱尔兰市场上的24个VAR模型进行比较，最终得出：正交GARCH模型在估计中最精确，但不是最保守的。Ausin，Galeanow（2006）通过实证研究发现GARCH模型在序列的误差满足混合正态分布时，对资产的风险值估计更精确;

同样在国内基于VAR模型波动率的估计也有邹建军、张宗益、秦拯（2003）的探讨，分析表明相对于移动平均法来说，GARCH（1，1）模型能更加准确地反应我国上海股票市场的风险。姚燕云（2006）对深圳与上海的收益率序列运用改进的GARCH-M（1，1）模型进行风险的测度与分析，得出结果表明中国股票市场投资者还没有达到完全理性的阶段，且股市的风险和收益没有可以肯定的联系;方杰兴（2007）用GARCH模型拟合上海股市收益率分布，在他得出的结论中说明上海股票市场具有正的风险溢价，同时还存在杠杆效应。徐炜、黄炎龙（2008）运用上证综指日收盘价指数实证分析表明，在预测VAR值时，EGARCH和PARCH是GARCH类模型中比较好的两个模型。杜晓芳、金浩、白鹤（2008）介绍了基于GARCH模型下的风险价值度的计算方法，并引入股票市场的风险价值度实例计算，用此测量股票市场风险，为企业经营者的风险经营管理及一般投资者的投资风险分析提供依据。沈一凡（2015）对金融市场所面临的风险选用GARCH--VAR方法来进行测度，通过对沪深300指数日收盘价进行研讨分析，论述了金融机构所暴露的风险，通过建立GARCH模型达到对该序列的波动性进行描述的效果，通过计算基于GARCH模型的风险价值来达到测度股票市场风险的效果。陈涛与周雪晴（2015）采用t分布和GED分布实证分析了沪深300指数，更好的刻画了收益率序列的特征，在收益率序列的建模方面，选取了GARCH族模型，表明：对于沪深300指数股价波动的体现，GED分布下的GARCH模型更为好一些。

三、基于GARCH-VAR的度量

参考文献：

[1]邹建军，张宗益，秦拯.GARCH模型在计算我国股市风险价值中的应用研究[J].系统工程理论与实践，2003（5）：20-26.

[2]姚燕云.改進的GARCH-M模型在股市风险分析中的应用[J].绍兴文理学院学报，2006（7）：69-73.

[3]方杰兴.上海股市的VAR风险研究[J].经济师，2007（4）：111-112.

[4]徐炜，黄炎龙.VAR--GARCH类模型在股市风险度量中的比较研究[J].统计与决策，2008（3）：20-23.