comc
蒙特卡罗模拟法：通过股票价格的时序图、自相关和偏自相关图，得出价格序列非平稳。由单位根检验结果可知P序列有一个单位根。综上，P服从随机游走模型。然后以2016年4月29日的股票价格作为基期价格，用随机数函数生成随机干扰项，考虑到10的涨跌停板限制，取值范围为（1222，1222）。计算出下一期价格PtP0εt，然后计算出损益RtPtP0εt。对损益序列进行升序排列，计算出VaR11947。方差协方差法：首先进行对数收益率正态性检验，计算出r的偏度为0342、峰度为0139、KS统计量值为0074（对应的p值为0001）、SW统计量值为0963（对应的p值为0000）。由此可知r是左偏尖峰分布，不服从正态分布。由时序图可看出，对数收益率序列没有显著的非平稳特征，序列围绕在零值附近波动，波动范围基本在01～01之间，但呈现出集群效应特征。对r序列进行单位根检验，结果表明r序列平稳。由r的自相关系数和偏自相关系数推测可用ARMA（1，1）或AR（1）或MA（1）模型来拟合r序列。分别用这三种形式的模型进行建模，根据AIC准则，确定最优模型，然后对残差序列进行ARCH检验，结果表明残差序列存在异方差性。因此用GARCH模型拟合r序列。根据AIC和SC准则，最优模型为GARCH（1，1）形式。结果如下：三、失效率检验与结论本文采用同方股份有限公司2016年5月3日到2016年9月30日所有交易日的股票收盘价格数据为检验样本，样本数为104。计算出收益率数据后得出实际损失超过相应的VaR值的天数，再拿失效天数除以样本数得出失效率。将失效率和显著性水平进行对比，若失效率小于显著性水平则该方法较好。历史模拟法、蒙特卡罗模拟法和方差协方差方法的失效率分别是0、0、1346。方差协方差方法低估了风险，历史模拟法和蒙特卡罗模拟法则相对高估了风险。这可能是因为2015年6月份之后股票市场整体低迷，同方股份股票价格变动受整体股市的影响，今年5月份以后股市状况已慢慢好转，这导致预测结果不太好，尤其是历史模拟法大大高估了风险。本文案例中，蒙特卡罗模拟法最适用。然而，实际应用中，三种方法各有优缺点，例如，历史模拟法不依赖分布假设，其他2种则依赖分布假设，故历史模拟法模型风险较低；蒙特卡罗模拟法因需要足够多次的模拟故实施较难；方差协方差方法的结果准确性一般低于其他2种方法但结果容易分析等等。另VaR方法并不能全面地度量金融资产的市场风险，必须结合敏感性分析，压力测试等方法进行分析。参考文献1BasleCommitteeo
Ba
kir