广西师范大学学报（自然科学版） ›› 2020, Vol. 38 ›› Issue (5): 56-63.doi: 10.16088/j.issn.1001-6600.2020.05.007

• • 上一篇    下一篇

基于Skew-t-GJRGARCH(1,1)模型的5G板块风险度量研究

李世君, 唐国强*, 杜诗雪   

  1. 桂林理工大学理学院, 广西桂林541006
  • 收稿日期:2019-04-19 出版日期:2020-09-25 发布日期:2020-10-09
  • 通讯作者: 唐国强(1971—), 男, 湖南永州人, 桂林理工大学教授, 博士。E-mail: tanggq@glut.edu.cn
  • 基金资助:
    国家自然科学基金(61703117,61763008); 广西中青年教师基础能力提升项目(2018KY0261)

Research on Risk Measurement of 5G Plate Based on Skew-t-GJRGARCH(1,1) Model

LI Shijun, TANG Guoqiang*, DU Shixue   

  1. School of Science, Guilin University of Technology, Guilin Guangxi 541006, China
  • Received:2019-04-19 Online:2020-09-25 Published:2020-10-09

PDF (PC)

206

摘要： 本文对5G板块进行风险度量研究,结果表明:对数收益率序列存在有偏、尖峰厚尾、非正态的特征,同时具有ARCH效应; 通过拟合不同分布下的 GJRGARCH(1,1)模型,发现5G板块不存在杠杆效应;采用 GJRGARCH(1,1)模型在不同分布下进行VaR计算,由Kupiec检验得到基于skew-t分布的 GJRGARCH(1,1)模型可以更好地度量5G板块的金融风险,其可信度和稳健性强。

关键词: GJRGARCH, 5G板块, skew-t, VaR, 风险度量

Abstract: In this paper, the research on the risk measurement of the 5G plate is carried out. The results show that the logarithm of the yield series has a bias, a sharp peak, a non-normal feature, and an ARCH effect. The GJRGARCH(1,1) model with different distributions is fitted. It is found that there is no leverage effect in the 5G plate; the VaR calculation is performed under different distributions using the GJRGARCH(1,1) model, and the GJRGARCH(1,1) model based on the skew-t distribution can be better measured by the Kupiec test.

Key words: GJRGARCH, 5G plate, skew-t, VaR, risk measurement-t

中图分类号: 

  • O213
[1] 王艺馨,周勇.极端情况下对我国股市风险的实证研究[J].中国管理科学, 2012, 20(3): 20-27. DOI: 10.16381/j.cnki.issn1003-207x.2012.03.013.
[2] 张虎, 汪娟. 基于极值视角的沪深股市收益率的风险度量[J]. 统计与决策, 2016(15): 163-165. DOI: 10.13546/j.cnki.tjyjc.2016.15.043.
[3] 蔡则祥, 曹源芳. 金融危机以来国内金融市场风险传导机制研究:基于偏t-APARCH模型的实证分析[J]. 审计与经济研究, 2014, 29(5): 88-96. DOI: 10.3969/j.issn.1004-4833.2014.05.010.
[4] 鲁思瑶,徐美萍.基于混合Copula和ARMA-GARCH-t模型的股票指数风险度量研究[J]. 广西师范大学学报(自然科学版),2016, 34(1): 93-101. DOI: 10.16088/j.issn.1001-6600.2016.01.014.
[5] 张军舰, 赖廷煜, 杨晓伟.VaR和ES的贝叶斯经验似然估计[J]. 广西师范大学学报(自然科学版), 2016, 34(4): 38-45. DOI: 10.16088/j.issn.1001-6600.2016.04.006.
[6] 刘亭, 赵月旭. 基于QR-t-GARCH(1,1)模型沪深指数收益率风险度量的研究[J]. 数理统计与管理, 2018, 37(3): 533-543. DOI: 10.13860/j.cnki.sltj.20180315-001.
[7] 申世昌, 邵胜. GARCH族模型对中国健康保险市场的风险度量[J]. 系统工程, 2017, 35(12): 59-64.
[8] 孙亮, 刘艳春. 基于拓展VaR模型的我国上市公司短期海外并购风险度量研究[J]. 数理统计与管理, 2018, 37(4): 741-752. DOI: 10.13860/j.cnki.sltj.20180411-002.
[9] 胡根华. 中国—东盟金融市场的结构相依与极值风险:基于“一带一路”的背景[J]. 管理工程学报, 2019, 33(2): 18-27. DOI: 10.13587/j.cnki.jieem.2019.02.003.
[10] ORHAN M, BÜLENT K. A comparison of GARCH models for VaR estimation[J]. Expert Systems with Applications, 2012, 39(3): 3582-3592. DOI: 10.1016/j.eswa.2011.09.048.
[11] LIU H, SHI J. Applying ARMA-GARCH approaches to forecasting short-term electricity prices[J]. Energy Economics, 2013(37): 152-166. DOI: 10.1016/j.eneco.2013.02.006.
[12] ARDIA D, BLUTEAU K, RÜEDE M. Regime changes in Bitcoin GARCH volatility dynamics[J]. Finance Research Letters, 2019(29): 266-271. DOI: 10.1016/j.frl.2018.08.009.
[13] SMOLOVIĆ J C, LIPOVINA-BOOVIĆ M, VUJOŠEVIĆ S. GARCH models in value at risk estimation: empirical evidence from the Montenegrin stock exchange[J]. Economic Research-Ekonomska Istraivanja, 2017, 30(1): 477-498. DOI: 10.1080/1331677X.2017.1305773.
[14] SAMPID M G, HASIM H M, DAI H S. Refining value-at-risk estimates using a Bayesian Markov-switching GJR-GARCH copula-EVT model[J]. Plos One, 2018, 13(6): e0198753. DOI: 10.1371/journal.pone.0198753.
[15] GOEL A, MEHRA A. Analyzing contagion effect in markets during financial crisis using stochastic autoregressive canonical vine model[J]. Computational Economics, 2019, 53(3): 921-950. DOI: 10.1007/s10614-017-9772-7.
[16] GLOSTEN L R, JAGANNATHAN R, RUNKLE D E. On the relation between the expected value and the volatility of the nominal excess return on stocks[J]. The Journal of Finance, 1993, 48(5): 1779-1801. DOI: 10.1111/j.1540-6261.1993.tb05128.x.
[17] FERNANDEZ C, STEEL M F J. On Bayesian modelling of fat tails and skewness[J]. SSRN Electronic Journal, 1996. DOI: 10.2139/ssrn.821.
[18] KUPIEC P H. Techniques for verifying the accuracy of risk measurement models[J]. The Journal of Derivatives, 1995, 3(2): 73-84. DOI: 10.3905/jod.1995.407942.
[1] 谭鸿健, 杨雅惠, 董明刚. 基于改进G-O费用模型的软件最优发布研究[J]. 广西师范大学学报（自然科学版）, 2014, 32(2): 48-54.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
[1] 庞琳娜, 邱燕燕, 卢家宽. p-幂零群的若干充分条件[J]. 广西师范大学学报（自然科学版）, 2014, 32(2): 64 -66 .
[2] 许伦辉, 陈凯勋. 基于改进萤火虫算法优化BP神经网络的路网速度分布预测[J]. 广西师范大学学报（自然科学版）, 2019, 37(2): 1 -8 .
[3] 李昭梅, 李文琳, 孟安欣, 赵振池, 覃永富, 蓝海会, 卢慧金, 陈丽莎, 梁维刚, 沈洪涛. 古代字画加速器质谱14C测年研究[J]. 广西师范大学学报（自然科学版）, 2019, 37(2): 38 -43 .
[4] 徐婷婷, 余秋平, 漆培艺, 刘可慧, 李艺, 蒋永荣, 于方明. 不同淋洗剂对矿区土壤重金属解吸的影响[J]. 广西师范大学学报（自然科学版）, 2019, 37(2): 188 -193 .
[5] 韩博文. 考虑实时需求的需求响应式公交调度方法研究[J]. 广西师范大学学报（自然科学版）, 2019, 37(3): 9 -20 .
[6] 吴娟,朱宏阳,梅平,陈武,李中宝. 聚甲基丙烯酸甲酯改性纳米SiO2及其Pickering乳液稳定性[J]. 广西师范大学学报（自然科学版）, 2019, 37(3): 120 -131 .
[7] 杜雪松,林勇,梁国琨,黄姻,宾石玉,陈忠,覃俊奇,赵怡. 两种罗非鱼的耐寒性能比较[J]. 广西师范大学学报（自然科学版）, 2019, 37(3): 174 -179 .
[8] 李飞羽, 翁小雄, 姚树申. 基于乘客群体出行时间间隔的标度律研究[J]. 广西师范大学学报（自然科学版）, 2020, 38(1): 1 -9 .
[9] 项琴琴, 廖志贤, 李廷会, 蒋品群, 黄国现. 电网随机扰动下的光伏微网逆变器建模及控制研究[J]. 广西师范大学学报（自然科学版）, 2020, 38(1): 19 -25 .
[10] 赵鑫, 宋英强, 胡月明, 刘轶伦, 朱阿兴. 基于多源开放数据的城乡居民点空间布局优化[J]. 广西师范大学学报（自然科学版）, 2020, 38(1): 26 -40 .
版权所有 © 广西师范大学学报（自然科学版）编辑部
地址：广西桂林市三里店育才路15号　邮编：541004
电话：0773-5857325　E-mail: gxsdzkb@mailbox.gxnu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发