摘要：风险价值模型（Value at Risk，即VaR）作为金融风险度量的首选模型，目前已广泛应用于金融市场上各类交易品的风险度量，但VaR模型自身仍有着较大的不足，如不满足次可加性、无法有效度量尾部风险等。有较多研究表明，条件风险价值模型（Conditional Value at Risk，即CVaR），相比VaR，能更好地对金融市场风险价值进行度量分析，且克服了VaR无法度量尾部风险等缺陷，该文以国内个股为分析对象，通过选取四个不同行业板块中具有代表性的股票，以2017年7月31日至2020年7月31日作为样本时间段，通过对日收益率应用GARCH-CVaR模型进行拟合分析，得到CVaR值，并与VaR值对比。实证分析结果表明：在同等的置信度下，CVaR能更好地度量风险，失败率更低，CVaR相比VaR具有更高的风险度量意义。

 

关键词：金融风险；CVaR；GARCH；VaR；股票风险

 

目 录

摘 要

Abstract

一、引言  1

二、文献综述  1

三、理论模型  2

（一）VaR风险价值模型  2

（二）CVaR条件风险价值模型  2

（三）GARCH广义自回归条件异方差模型 3

四、变量及数据说明  3

（一）正态性检验  4

（二）Quantile-Quantile图检验  5

（三）平稳性检验  6

（四）相关性检验  6

（五）ARCH性检验  7

五、实证分析  7

（一）GARCH（1,1）模型  7

（二）GARCH（1,1）- M模型  8

（三）TGARCH（1,1）模型  9

（四）EGARCH（1,1）模型  9

（五）EGARCH-M（1,1）模型  10

（六）GARCH簇模型拟合程度比较  11

（七）基于EGARCH(1,1)模型的CVaR分析  11

六、结论与建议  12

参考文献  15

致谢