金融VaR实验报告.docx
- 文档编号:12319168
- 上传时间:2023-06-05
- 格式:DOCX
- 页数:15
- 大小:226.57KB
金融VaR实验报告.docx
《金融VaR实验报告.docx》由会员分享,可在线阅读,更多相关《金融VaR实验报告.docx(15页珍藏版)》请在冰点文库上搜索。
金融VaR实验报告
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。
01.01~2014。
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>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3
2、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;
fori=1:
n-1
x(i)=(d(i+1)—d(i))/d(i);
end
y1=0;
fori=1:
m
y1=y1+x(i);
end
mu
(1)=y1/m;
fori=2:
n—m—1
mu(i)=mu(i—1)—(x(i-1)/m)+(x(m+i-1)/m);
end
fori=1:
n—m—1
xigma1=0;
forj=1:
m
xigma1=xigma1+(x(i+j—1)-mu(i))*(x(i+j—1)-mu(i));
end
xigma1=xigma1/(m—1);
xgm(i)=sqrt(xigma1);
var(i)=mu(i)—1。
96*xgm(i);
end
m
t=[1:
n—m-1];
xx=x(m+1:
n—1);
plot(t,xx,’k-',t,mu,'r—’,t,mu+var,’b-')
●置信度为99%,m=160时,测算结果如图5:
图5
●置信度为97.5%,m=100时,测算结果如图6:
图6
●置信度为95%,m=160时,测算结果如图7:
图7
3、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:
data=xlsread('d:
chen。
xls’);
n=size(data,1);
d=data(1:
n);
r=price2ret(d);
arf=0。
025;
kn=10000
x=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=yyyy(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;
fori=1:
250
ifrr(i) flag=flag+1; bv(flag)=n—251+i; bv(flag)=i; end end flag bv (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= 10000 coeff= 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 Display: 'off’ flag= 0 bv= 02388243247 图形如图8: 图8 (2) (1)置信度为97。 5%,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= 10000 coeff= 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 Display: ’off' flag= 2 bv= 78888243247 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= 10000 coeff= 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 Display: 'off’ flag= 5 bv= 72388243247 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 0-4 0 黄灯区 5 0.4 6 0.5 7 0.65 8 0.75 9 0.85 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 160 8 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,新华08等多种数据库,并学会运用其进行数据查找,辅助进行科学研究。 运用excel以及matlab进行数据分析,了解其运作方式,并对用matlab对所需问题进行编程求解有一定的掌握. 实验中多次提到的置信区间、置信度以及VaR等知识是专业学习中被反复提到的,既巩固了专业知识,又进行了知识的拓展实验。 为自己的专业拓展指明了方向.
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 金融 VaR 实验 报告