摘要：股票市场通常具有很强的不确定性，这种不确定性往往会带来较大的风险。如何度量股票市场的系统性风险以及如何规避非系统性风险，是如今金融市场风险管理的核心，同时，这也对风险分析提出了挑战。因为实际的收益率存在尖峰后尾特征，而不符合通常数据分析所需要的正态分布特征，在这种情形下VAR模型的估值结果将出现对风险的低估，GARCH模型能够改善序列的尖峰厚尾现象。因此，本文选取了深圳证券交易所近7年的股票收益率作为研究对象，将GARCH、VAR两个模型相结合模型,并利用其测量股市的风险。最后做出总结，确定了GARCH(1，1)模型为比较合适的模型，该模型所估算出的VAR值可以很好地对证券风险进行评价，模型存在着一定的普适性，并且风险对收益也存在着不显著的影响。其次，指数收益通常具有杠杆性，即投资者对某指标收益率下降的反应通常大于同等程度收益率增加的反应，即收益的降低对投资者和市场的影响比较大。
关键词：GARCH模型；VAR；风险分析
目录
1绪论1
1.1研究背景及意义1
1.2国内外研究进展及现状1
1.3主要内容和结构安排2
1.4研究方法3
2模型的理论基础4
2.1VAR的相关理论4
2.1.1VAR的定义及基本原理4
2.1.2VAR的主要计算方法4
2.2GARCH模型的相关理论6
2.2.1GARCH模型的由来6
2.2.2ARCH模型6
2.2.3GARCH模型6
2.2.4TGARCH模型7
2.2.5EGARCH模型8
3对我国股票——深证成指的实证分析8
3.1数据的选择与处理8
3.2平稳性检验9
3.3收益率序列相关性分析10
3.4序列残差的ARCH效应检验11
3.5建立GARCH模型12
3.5.1GARCH模型的比较与选择12
3.5.2TGARCH模型的建立13
3.5.3EGARCH模型的建立14
3.5.4GED分布下GARCH模型的建立16
3.6计算VAR 17
4结论及展望18
参考文献20
致谢21
1、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“文章版权申述”（推荐），也可以打举报电话：18735597641(电话支持时间：9:00-18:30)。
2、网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友投稿，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务。
原创文章，作者：打字小能手，如若转载，请注明出处：https://www.447766.cn/chachong/206930.html,
