参考资料--金融var实验报告_第1页
参考资料--金融var实验报告_第2页
参考资料--金融var实验报告_第3页
参考资料--金融var实验报告_第4页
参考资料--金融var实验报告_第5页
已阅读5页,还剩7页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、. 上海金融学院“实验超市”实验报告实验项目名称: 金融VaR计算 实验指导教师: 元如林 学生姓名: 陈莉 学生所在院系: 保险学院 学生专业: 保险学 实验时间: 实验教学与教育技术中心制一、 实验目的通过本实验,我理解度量金融风险的VaR模型,了解国内外主要的金融数据库,学习国际先进的金融计算软件的使用方法,初步掌握金融数据采集整理,模型选择,模型参数确定,VaR计算,计算结果分析的基本方法。二、 实验过程(一)数据准备对2012.01.012014.12.31期间债券代码为600550的保变电气股票进行测算。一共在网易(网易首页>网易财经>行情>沪深>中国石油&

2、gt;资金流向>历史交易数据)下载了751个该股票在相应时间的开盘价,留下250个数据(2012年12月9日至2014年12月31日的数据)作为检验数据及建立模型。收盘价与收益率的图形如图1和图2。图1图2(二)计算实验和实验结果1、直接法: 对2012年12月9日至2014年12月31日的数据进行测算。均值:-0.000555943标准差:0.025888746直接法测算结果如图3:图32、移动平均法:对2012年12月9日至2014年12月31日的数据进行测算。(1)用office进行测算,测算结果如图4:图4(2)用Mathlab进行测算:对2012年1月1日至2014年12月31

3、日的数据进行测算。使用代码如下:data=xlsread('D:chen.xls');n=size(data,1);d=data(1:n);m=100;for i=1:n-1 x(i) = (d(i+1)-d(i)/d(i);end y1=0;for i=1:my1=y1+x(i);endmu(1)=y1/m;for i = 2:n-m-1 mu(i) = mu(i-1)-(x(i-1)/m)+(x(m+i-1)/m);endfor i=1:n-m-1 xigma1=0; for j=1:m xigma1=xigma1+(x(i+j-1)-mu(i)*(x(i+j-1)-mu(

4、i); end xigma1=xigma1/(m-1); xgm(i)=sqrt(xigma1); var(i)=mu(i)-1.96*xgm(i);end mt=1:n-m-1;xx=x(m+1:n-1);plot(t,xx,'k-',t,mu,'r-',t,mu+var,'b-')l 置信度为99%,m=160时,测算结果如图5:图5l l置信度为97.5%,m=100时,测算结果如图6:图6l 置信度为95%,m=160时,测算结果如图7:图73、蒙特卡洛模拟法:对2012年12月9日至2014年12月31日的数据进行测算。 测算代码如下:

5、data=xlsread('d:chen.xls');n=size(data,1);d=data(1:n);r=price2ret(d);arf=0.025;kn=10000x=r(1:n-251);spec=garchset('R',1,'M',1,'P',1,'Q',1,'Display','off');coeff=garchfit(spec,x)y=garchsim(coeff,250,kn,60);yy=y'yyyy=sort(yy);kk=arf*kn;var1=y

6、yyy(kk:kk,:);v1=var1'rr=r(n-250:n-1);u(1:250)=0;t=1:250;plot(t,rr,'b-',t,v1,'r-',t,u,'g-')flag=0;bv(1)=0;for i=1:250 if rr(i)<v1(i) flag=flag+1; bv(flag)=n-251+i; bv(flag)=i; endendflagbv(1)置信度为99%,模拟次数kn=10000, 用ARMAX(1,1,0)和GARCH(2,2)模型,正态分布。结果如下:kn = 10000coeff = Co

7、mment: 'Mean: ARMAX(1,1,0); Variance: GARCH(1,1) ' Distribution: 'Gaussian' R: 1 M: 1 C: -1.4754e-004 AR: -0.3097 MA: 0.4051 VarianceModel: 'GARCH' P: 1 Q: 1 K: 3.9032e-004 GARCH: 0.2507 ARCH: 0.1236 Display: 'off'flag = 0bv = 0 23 88 243 247 图形如图8:图8(2)(1)置信度为97.5%,模

8、拟次数kn=10000, 用ARMAX(1,1,0)和GARCH(2,2)模型,正态分布。结果如下:kn = 10000coeff = Comment: 'Mean: ARMAX(1,1,0); Variance: GARCH(1,1) ' Distribution: 'Gaussian' R: 1 M: 1 C: -1.4754e-004 AR: -0.3097 MA: 0.4051 VarianceModel: 'GARCH' P: 1 Q: 1 K: 3.9032e-004 GARCH: 0.2507 ARCH: 0.1236 Displa

9、y: 'off'flag = 2bv = 7 88 88 243 247 图形如图9:图9(3)置信度为95%,模拟次数kn=10000, 用ARMAX(1,1,0)和GARCH(2,2)模型,正态分布。结果如下:kn = 10000coeff = Comment: 'Mean: ARMAX(1,1,0); Variance: GARCH(1,1) ' Distribution: 'Gaussian' R: 1 M: 1 C: -1.4754e-004 AR: -0.3097 MA: 0.4051 VarianceModel: 'GARC

10、H' P: 1 Q: 1 K: 3.9032e-004 GARCH: 0.2507 ARCH: 0.1236 Display: 'off'flag = 5bv = 7 23 88 243 247 图形如图10:图10(三)结果的比较分析下表是巴塞尔委员会和国际清算银行(BCBS)规定的惩罚区。如表2:区 域超限次数扩大因子提高比例绿灯区0 - 40黄灯区50.460.570.6580.7590.85红灯区10及以上1表2各种模型方法的超限次数比较,如表3:保变电气 模 型置信水平95%600550参数m超限次数区域参数法直接法10红灯移动平均法1608黄灯 蒙特卡罗法5黄灯表3:回顾测试结果的分区由表可知,使用蒙特卡罗法计算金融VaR更为精确,使用性更强。三、实验总结通过课程开始的举例论证,了解了运用Var模型进行风险测量的重要性。在实验中接触到了resset,新

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论