理论教育 基于HARQ和极值理论的VaR检验

基于HARQ和极值理论的VaR检验

时间:2023-07-17 理论教育 版权反馈
【摘要】:我们将采用这一方法对各模型的VaR预测效果进行检验分析。从表5-3中可以发现,基于5分钟高频数据,结合HARQ族模型和极值理论对恒生指数下尾VaR的预测,除了0.9分位数水平外,对其余的0.95、0.975、0.99和0.995四种分位数水平下的VaR预测,H-CSJQ模型同样是所对比的模型中表现最佳的模型,同样说明了具有时变参数的H-CSJQ模型超越了其他传统的HAR模型。

基于HARQ和极值理论的VaR检验

在前文VaR的相关理论阐述内容中可知,对VaR的预测效果具有多种后验分析方法,但目前最为稳健的后验分析方法是Candelon等(2009)提出的一种基于GMM间隔的条件覆盖检验方法,即CC检验方法。该方法不仅检验了理论失败率与失败率之间的差异,同时检验了各失败次数之间是否独立,因此是一个稳健的检验方法。我们将采用这一方法对各模型的VaR预测效果进行检验分析。各模型对沪深300指数和恒生指数5分钟高频数据所预测的下尾VaR的检验结果见表5-2和表5-3所示。

表5-2 沪深300指数5分钟数据下尾VaR条件覆盖检验(CC test)

说明:表中数值为模型动态预测VaR的条件覆盖检验结果,数值越大说明模型预测越准确。加粗为对应分位数水平下(对应行)最大的值,即对应模型为预测最准确的模型。

表5-3 恒生指数5分钟数据下尾VaR条件覆盖检验(CC test)

说明:表中数值为模型动态预测VaR的条件覆盖检验结果,数值越大说明模型预测越准确。加粗为对应分位数水平下(对应行)最大的值,即对应模型为预测最准确的模型。

从表5-2可知,在所对比的9种模型中,H-CSJQ模型对沪深300指数的下尾VaR的预测结果较其他模型具有显著优势,除了0.995分位数水平外,对其余的0.9、0.95、0.975和0.99四种分位数水平下的VaR预测,H-CSJQ模型是所对比的模型中表现最佳的模型。也就是说具有时变参数的H-CSJQ模型超越了其他传统的HAR模型。同时可以发现,传统了HAR模型对沪深300指数动态VaR预测的CC检验的p值均较低(这里的检验值越低说明模型预测得越差),如HARC模型在0.995分位数水平VaR预测的CC检验值仅为0.083 6,这说明了传统类的HAR模型对沪深300指数的预测不及具有时变特征的H-CSJQ模型预测效果优异。

从表5-3中可以发现,基于5分钟高频数据,结合HARQ族模型和极值理论对恒生指数下尾VaR的预测,除了0.9分位数水平外,对其余的0.95、0.975、0.99和0.995四种分位数水平下的VaR预测,H-CSJQ模型同样是所对比的模型中表现最佳的模型,同样说明了具有时变参数的H-CSJQ模型超越了其他传统的HAR模型。与沪深300指数类似,传统的HAR模型对恒生指数动态VaR预测的CC检验的p值均较低(这里的检验值越低说明模型预测得越差),如HARC模型在0.995分位数水平VaR预测的CC检验值仅为0.076,这同样说明了传统类的HAR模型对恒生指数下尾VaR的预测不及具有时变特征的H-CSJQ模型预测效果优异。

从上文可知,无论是新兴市场还是成熟市场,在时变参数异质自回归模型基础上,利用极值理论建模对其下尾VaR的预测相较于其他传统类固定参数约束的HAR模型,具有更加优异的预测结果。由于股票市场具有卖空机制,H-CSJQ模型对其上尾VaR的预测表现如何呢?我们利用同样的方法分别对沪深300指数和恒生指数上尾VaR进行了预测分析,具体的预测结果见图5-7和图5-8所示。从图中可以直观发现对恒生指数和沪深300指数上尾VaR的预测效果。同时分别对两个市场的预测结果进行了定量后验分析。利用与前文同样的条件覆盖检验分析方法分别对沪深300指数和恒生指数上尾VaR的预测结果进行分析,具体的CC检验结果见表5-4和表5-5所示。(www.daowen.com)

图5-7 沪深300指数上尾VaR预测结果

图5-8 恒生指数上尾VaR预测结果

表5-4 沪深300指数5分钟数据上尾VaR条件覆盖检验(CC test)

说明:表中数值为模型动态预测VaR的条件覆盖检验结果,数值越大说明模型预测越准确。加粗为对应分位数水平下(对应行)最大的值,即对应模型为预测最准确的模型。

表5-5 恒生指数5分钟数据上尾VaR条件覆盖检验(CC test)

说明:表中数值为模型动态预测VaR的条件覆盖检验结果,数值越大说明模型预测越准确。加粗为对应分位数水平下(对应行)最大的值,即对应模型为预测最准确的模型。

从表5-4及表5-5可见,对上尾VaR的预测结果,H-CSJQ仍然是所对比的各种模型之中表现最为优异的模型。虽然并没有在各个分位数水平下具有最佳表现,但是在所对比的各种模型中,H-CSJQ模型在5种分位数水平下具有4次最佳表现,这同样说明了H-CSJQ模型对沪深300指数和恒生指数上尾VaR预测结果的精确性。即与上尾VaR的预测具有同样的结果,具有时变参数特征的H-CSJQ模型对上尾VaR的预测相较其他传统类固定参数约束的HAR模型表现更加优异。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈