基于CAViaR方法的我国股票市场风险度量及波动性研究的中期报告.docx

基于CAViaR方法的我国股票市场风险度量及波动性研究的中期报告
本报告基于CAViaR方法对中国股票市场进行风险度量及波动性研究。具体来说，我们采用了中国A股市场的上证指数作为代表，对其日度收益率序列进行分析。
首先，我们对收益率序列进行描述性统计分析，发现在整个观测期间内，中国股票市场呈现出较大的波动性，尤其是在2008年和2015年的股市暴跌期间。同时，我们还计算了收益率序列的一阶自相关系数和自回归条件异方差(ARCH)效应，发现收益率序列是存在自相关性和异方差的。
接着，我们采用了CAViaR方法对股市风险进行度量。CAViaR方法是一种基于条件价值-at-风险（ConditionalValue-at-Risk，CVaR）来探测收益率序列中尾部风险的方法。CVaR是一种相对于风险价值（Value-at-Risk，VaR）更为稳健的风险度量指标，因为它同时考虑了VaR的下限情况。
我们使用了两种常见的CAViaR模型：AR-EGARCH-CAViaR模型和AR-GJR-GARCH-CAViaR模型，分别考虑了收益率序列的自相关性和异方差效应。结果表明，对于AR-EGARCH-CAViaR模型，中国股市在95%的置信水平下的CVaR为-5.22%，而对于AR-GJR-GARCH-CAViaR模型而言，CVaR为-4.79%。这表明，尽管两种模型的结果略有不同，但它们都显示出中国股市的尾部风险相对较高。
最后，我们还对中国股市的波动性进行了短期和长期预测，并展示了模型拟合效果的图表。结果表明，AR-GJR-GARCH模型可以准确地预测中国股市长期波动性的变化，而ARIMA-GARCH模型则更适用于短期预测。
总之，本报告基于CAViaR方法对中国股票市场进行了深入研究，揭示了股市的尾部风险与波动性的重要特征，并给出了相应的模型拟合和预测结果。这对风险管理和投资决策具有参考价值。