基于分位数回归模型的沪深股市风险测量研究
来源期刊:中国矿业大学学报2008年第3期
论文作者:赵绍娟 王新宇
关键词:分位数回归; 风险测量; 星期效应; 在险价值;
摘 要:探讨了分位数回归理论相对于传统最小二乘回归模型在金融时间序列建模和风险测量方面的应用特点,分别采用滞后收益率、星期虚拟变量、滞后收益率的均值和方差作为解释变量的条件分位数回归模型,对1996-2004年期间中国沪深股市的在险价值(VaR)进行动态估计,实证研究了沪深市场存在的"VaR星期效应"行为,发现周内各日的VaR水平呈现显著的非均一性,且VaR后验测试结果优于不对称自回归条件异方差模型.结果表明:分位数回归模型适用于金融时间序列厚尾数据在高置信水平下的VaR估计,是一个有效的半参数风险测量方法和认识市场风险变化模式的途径.
赵绍娟1,王新宇1
(1.中国矿业大学,管理学院,江苏,徐州,221116)
摘要:探讨了分位数回归理论相对于传统最小二乘回归模型在金融时间序列建模和风险测量方面的应用特点,分别采用滞后收益率、星期虚拟变量、滞后收益率的均值和方差作为解释变量的条件分位数回归模型,对1996-2004年期间中国沪深股市的在险价值(VaR)进行动态估计,实证研究了沪深市场存在的"VaR星期效应"行为,发现周内各日的VaR水平呈现显著的非均一性,且VaR后验测试结果优于不对称自回归条件异方差模型.结果表明:分位数回归模型适用于金融时间序列厚尾数据在高置信水平下的VaR估计,是一个有效的半参数风险测量方法和认识市场风险变化模式的途径.
关键词:分位数回归; 风险测量; 星期效应; 在险价值;
【全文内容正在添加中】