基于双曲线记忆HYGARCH模型的动态风险VaR测度能力研究

？本文针对金融市场的典型事实特征,运用自回归分数移动平均(FractionalIntegratedAutoregressiveMovingAverage,ARFIMA)模型与双曲线记忆广义自回归条件异方差模型(HyperbolicMemoryGeneralizedAutoregressiveConditionalHeteroscedasticity,HYGARCH)模型、分数协整非对称自回归条件异方差(FractionalIntegratedAsymmetricPowerAutoregressiveConditionalHeteroscedasticity,FIAPARCH)模型和分数协整指数广义自回归条件异方差(FractionalIntegratedExponentialGeneralizedAutoregressiveConditionalHeteroscedasticity,FIEGARCH)模型结合,并运用有偏学生t分布(SkewStudenttDistribution,SKST)来捕获金融收益分布形态,以此开展动态风险测度研究,进而运用返回测试(Back-Testing)中的似然比率测试(LikelihoodRatioTest,LRT)和动态分位数回归(DynamicQuantileRegression,DQR)方法对风险模型的准确性与精度进行联合检验。通过实证研究,得到了一些非常有价值的实证结论:ARFIMA(1,d,1)-FIAPARCH(1,d,1)-SKST模型与ARFIMA(1,d,1)-HYGARCH(1,d,1)-SKST模型均表现出卓越的风险测度能力,但没有绝对优劣之分;ARFIMA(1,d,1)-FIEGARCH(1,d,1)-SKST模型在成熟市场的表现能力差强人意;本文引入的所有风险模型在中国大陆沪、深股市表现优越且没有实质性差异。