首页> 中文学位 >贝叶斯AGARCH模型在我国商业银行利率风险度量中的应用
【6h】

贝叶斯AGARCH模型在我国商业银行利率风险度量中的应用

代理获取

目录

封面

声明

中文摘要

英文摘要

目录

第一章 导 论

1.1 研究背景及意义

1.2 文献综述

1.3 研究思路及主要内容

1.4 创新之处

第二章 我国商业银行利率风险的定义、识别和度量

2.1 我国商业银行利率风险定义

2.2 我国商业银行利率风险识别

2.3 我国商业银行利率风险度量方法

第三章 我国商业银行利率风险AGARCH模型的建立

3.1 样本数据的选取及预处理

3.2 样本数据的分析

3.3我国商业银行AGARCH模型的建立

3.4 模型的应用

第四章 我国商业银行利率风险贝叶斯AGARCH模型的建立

4.1我国商业银行贝叶斯AGARCH(1, 1, 1)模型的建立[8]

4.2 贝叶斯AGARCH(1, 1, 1)模型的收敛性判断

4.3 灵敏度分析

4.4 AGARCH模型与贝叶斯AGARCH模型的比较

4.5 模型的应用

第五章 我国商业银行利率的VaR风险度量

5.1置信水平及持有期的选择

5.2 我国商业银行利率VaR的计算

5.3 后验测试

5.4 VaR值的比较及结论

第六章 结论与展望

参考文献

攻读硕士期间发表的学术论文

后记

展开▼

摘要

本文对我国商业银行利率风险进行研究.选取上海同业拆借利率中具有代表性的隔夜拆借利率作为研究对象,通过建立贝叶斯 AGARCH模型来分析SHIBOR收益率序列的波动性以及对VaR进行计算.本文主要内容有:
  第一章阐述了选题的背景和研究意义,并进行了相关的文献综述.
  第二章简要的介绍了我国商业银行利率风险的管理体制,包括利率的定义、识别和度量.
  第三章选取2007年1月4日到2013年5月29日为样本区间,以SHIBOR隔夜拆借利率数据为研究对象,对 SHIBOR收益率序列的数据特征进行了分析,发现其具有波动集聚性,尖峰厚尾特征,非对称性,存在明显的ARCH效应的特征,因此建立了AGARCH(1,1,1)模型,利用极大似然法对模型参数进行了估计.选取2013年5月30日到2014年8月15日的数据为预测区间,根据所建立的AGARCH模型,预测出下一期的条件均值和条件方差,用于第五章计算VaR值.
  考虑到在第三章建立AGARCH模型时,由于模型对参数有一些条件约束,使得在利用极大似然法对参数进行估计时比较复杂;同时为了提高模型的精度,在第四章建立贝叶斯AGARCH模型,通过设定参数的先验分布和样本的似然函数,利用贝叶斯原理求出参数的后验分布,并利用MH抽样算法对参数进行估计.从而建立了非对称的贝叶斯AGARCH(1,1,1)模型,根据该模型发现111?????的估计值之和为0.83153,小于1,波动不具有持续性,1?=0.02001>0,说明SHIBOR对数收益率序列具有―杠杆效应‖,进一步对模型进行了灵敏度分析,从结果看出尽管初始值的设定不同,但贝叶斯AGARCH(1,1,1)模型的参数估计结果基本是一致的;并与第三章中的AGARCH模型进行了比较,结果表明贝叶斯方法估计AGARCH(1,1,1)模型的参数,其误差明显小于极大似然法.同样根据所建立的贝叶斯 AGARCH模型,可预测出下一期的条件均值和条件方差.
  第五章,对我国商业银行利率进行VaR风险度量.分别利用AGARCH模型和贝叶斯 AGARCH模型,具体预测下一期的条件均值和条件方差,在此基础上计算 VaR值.结果表明,在95%的置信水平下,以多头头寸为例,基于贝叶斯AGARCH模型在预测期内计算的平均日VaR值为0.0878,要比AGARCH模型计算的0.1010小;为检验VaR模型的有效性,采用失败检验法进行回测检验,发现贝叶斯AGARCH模型的失败率为4.92%,更加接近预期的失败率5%,利用贝叶斯AGARCH模型对我国商业银行利率风险进行度量更加准确.
  第六章是对文章的总结与结尾.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号