VAR模型金融风险管理论文提纲

论文题目：利率市场化背景下商业银行利率风险的测度

摘要：中国利率市场化改革开始于20世纪90年代中期,最近一次具有突破性的改革举措是2013年7月20日金融机构贷款利率的放开,这标志着我国利率市场化改革进入了实质性的阶段。利率实行市场化后,将会加剧商业银行之间的竞争、加大经营和管理受利率波动的影响,进而商业银行面临的最主要市场风险将会是利率风险,因此商业银行应当重视识别与防范利率风险,然而识别与防范利率风险最关键的就是对利率风险进行有效测度,本文基于利率市场化背景下,探究商业银行利率风险的有效测度方法,为我国商业银行利率风险的测度与管理提供一定的理论依据。为此,本文分别构建了两种不同的利率风险测度模型,通过比较分析选出较好的一种作为利率风险测度模型。第一种模型是在构建不同GARCH类参数、非参数的VaR模型基础上得到的APGARCH-GED-MC非参数VaR模型。通过比较随机变量分别服从正态、t和GED分布的GARCH（1,1）、EGARCH（1,1）和APGARCH（1,1）这9个模型,选出最优的APGARCH（1,1）-GED模型进行样本外预测,将得到的条件标准差σ作为MC模拟中利率波动的标准差,模拟出不同分布下的利率,将预测的利率差作为利率风险的VaR值。由Kupiec失败率检验法可知APGARCH-GED-MC VaR模型较参数法和非参数法计算的利率风险VaR值与实际收益率的差异小,失败率较GARCH类参数、非参数的VaR模型有所降低。第二种模型是从VaR定义（VaR是一定置信水平下的分位数）、分位数回归可应用在金融风险领域以及在构建第一种模型时发现收益率服从何种分布形式对计算VaR的影响较大角度出发,采用分位数回归的方法构建测度利率风险的VaR模型。分别构建两类分位数回归VaR模型：分位数回归的非递归和递归VaR模型。其中分位数回归的非递归VaR模型记为：QR.APGARCH-GED模型（非对称的PGARCH-GED分位数回归VaR模型）,模型的解释变量σt+1,和σt+12由APGARCH（1,1）-GED进行样本外预测得到；分位数回归的递归VaR模型记为：AAVS-CAViaR模型（不对称绝对值、斜率的条件分位数自回归）,该模型将VaR的自相关性和收益率的不对称性综合考虑在解释变量中。仍采用Kupiec失败率检验法对这两个基于分位数回归的VaR模型进行回测检验,发现QR.APGARCH-GED VaR模型计算的利率风险VaR值不仅对实际收益率有较好的覆盖性,而且降低了预测的失败率。综上所述,本文是从两种不同的角度分别构建利率风险测度的VaR模型。首先,通过Kupiec失败率检验发现在构建的第一种VaR模型过程中,由PGARCH-GED-MC VaR模型预测的利率计算的利率风险VaR值与实际收益率较GARCH类参数、非参数的VaR模型接近,失败率也有所降低,因此选择APGARCH-GED-MC VaR模型作为本文第一种测度利率风险的VaR模型；其次,在构建分位数回归VaR模型过程中,根据QR.APGARCH-GED VaR模型预测计算的利率风险VaR值对实际收益率有较好的区间覆盖,失败率比AAVS-CAViaR模型低,因此选择QR.APGARCH-GED VaR模型作为本文构建的第二种测度利率风险的VaR模型；最后,通过比较APGARCH-GED-MC VaR模型与QR.APGARCH-GED VaR模型的失败天数,发现根据QR.APGARCH-GED VaR模型计算的VaR值,不仅大大降低了模型预测的失败天数,而且对实际收益率有较好的区间覆盖,在实际收益率大幅波动的某些时间段,计算的利率风险VaR值也能随之剧烈波动。基于此本文最终选择QR.APGARCH-GED VaR模型作为当前利率市场化水平下商业银行利率风险度量模型。该模型不仅为我国现阶段商业银行利率风险的测度与管理提供了理论依据,同时为市场化程度更高阶段的利率风险测度提供了参考。

关键词：利率风险;VaR;APGARCH-GED-MC;分位数回归

学科专业：数量经济学

摘要

ABSTRACT

第一章 引言

1.1 选题背景

1.2 选题目的和意义

1.2.1 选题目的

1.2.2 研究意义

1.3 文献综述

1.3.1 基于GARCH类模型的VaR方法的综述

1.3.2 基于分位数回归的VaR方法综述

1.4 研究方案

1.4.1 研究的主要内容

1.4.2 结构安排

1.5 本文可能的创新点

第二章 理论基础

2.1 VaR理论

2.1.1 VaR方法的基本原理

2.1.2 VaR的计算方法

2.1.3 VaR值的准确性检验

2.2 APGARCH模型

2.3 广义误差分布

第三章 构建基于GARCH族的利率风险VaR模型

3.1 变量的选取及说明

3.2 变量的统计特征分析

3.2.1 变量的正态性检验

3.2.2 变量的平稳性检验

3.2.3 变量的自相关性检验

3.2.4 变量的条件异方差检验

3.3 构建APGARCH-GED模型及VaR计算

3.3.1 构建N、t和GED分布下的GARCH族模型

3.3.2 基于APGARCH-GED模型的VaR计算

3.3.3 回测检验及实证结论

3.4 基于蒙特卡罗模拟法的VaR计算

3.4.1 正态分布、t分布及GED分布下的VaR计算

3.4.2 回测检验及实证结论

3.5 构建APGARCH-GED-MC模型及VaR计算

3.5.1 构建APGARCH-GED-MC模型

3.5.2 基于APGARCH-GED-MC模型的VaR计算

3.5.3 回测检验及实证结论

3.6 本章小结

第四章 构建基于分位数回归的利率风险VaR模型

4.1 分位数回归VaR模型及分类

4.1.1 非递归的分位数

4.1.2 递归的分位数回归VaR模型

4.2 分位数回归VaR模型的回测检验

4.3 实证分析

4.3.1 样本数据及参数的选取

4.3.2 非递归分位数回归的VaR模型

4.3.3 基于分位数动态方程的VaR估计

4.4 APGARCH-GED-MC模型与QR.APGARCH-GED模型的比较分析

4.5 本章小结

第五章 结论与展望

5.1 结论

5.2 展望

参考文献

致谢