VaR和CVaR股市风险测度比较研究的中期报告.docx

VaR和CVaR股市风险测度比较研究的中期报告
摘要：
VaR和CVaR是风险管理领域最常用的风险测度模型，也是股市风险测度模型中的常见方法。本文研究了这两种模型在测量股市风险方面的比较。研究基于上证指数数据，并选择GARCH和EGARCH模型进行参数估计。研究表明，在平稳和非平稳市场中，CVaR模型比VaR更有效。同时，EGARCH模型比GARCH模型更准确地捕捉到股市风险。这表明，CVaR和EGARCH模型结合在一起可以更好地测量股市风险。
关键词：VaR、CVaR、股市风险测度、GARCH、EGARCH
1.研究背景
在股市风险管理中，如何正确测量风险是一个重要的问题。VaR和CVaR是两种常见的股市风险测度方法，它们在风险管理中得到广泛应用。VaR模型可以确定一个给定置信水平下，最多可能亏损的金额。然而，VaR无法提供在损失发生时会发生什么的信息。与之相比，CVaR模型可以计算出在损失发生时的平均损失。它比VaR更为全面，更能体现损失的实际情况。
本文旨在研究VaR和CVaR在测量股市风险方面的相对效力。以上证指数为例，本研究选择GARCH和EGARCH模型进行参数估计。在研究过程中，本文还考虑了平稳和非平稳市场。结果表明，CVaR模型比VaR更为有效。在EGARCH模型中，风险更容易被捕捉到。
2.数据收集和方法
研究数据是上证指数的日收盘价数据，时间跨度为2015年至2020年。本研究使用了GARCH和EGARCH模型对股市风险进行建模。这些模型可以更准确地捕捉到股市中的波动性。本文还特别考虑了平稳和非平稳市场。
3.结果分析
本研究的最终权衡是VaR和CVaR之间的比较。结果表明，CVaR模型比VaR模型更为有效。这是因为，在损失发生时，CVaR可以提供更全面的信息。特别地，在非平稳市场中，CVaR明显比VaR更为优秀。
此外，在EGARCH模型中，风险也更容易被捕捉到。这使得我们更容易在测量股市风险方面更为准确。基于这些结果，我们可以将CVaR和EGARCH模型结合在一起，以更好地测量股市风险。
4.结论
本研究的结果表明，CVaR模型比VaR模型更为有效。在EGARCH模型中，风险更容易被捕捉到。因此，我们建议在测量股市风险时将CVaR和EGARCH模型结合使用。这种方法可以更准确地捕捉到风险，特别是在非平稳市场中。