首页|基于多维隐状态HMM-GARCH模型的CVaR风险度量

基于多维隐状态HMM-GARCH模型的CVaR风险度量

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
结合隐马尔可夫模型(HMM)在状态划分上的优势,利用多维隐状态HMM-GARCH模型来度量金融资产条件风险价值(CVaR).首先对收益率序列建立隐马尔可夫模型,对样本数据进行模型拟合,根据AIC、BIC准则找出隐马尔可夫模型最优的隐状态数为5,并用Baum-Welch算法估算模型的参数,再利用Viterbi算法估算收益率序列对应的隐状态序列,根据隐状态序列将收益率序列分为五个大类,对五个状态对应的收益率序列分别建立HMM-GARCH模型来估算CVaR,最后利用该模型和传统的GARCH模型对隆平高科股票(000998)进行了实证分析,应用Kupiec失败频率检验法对CVaR的准确性进行检验.研究表明,基于多维隐状态的HMM-GARCH模型的CVaR方法能更好的描绘和预测隆平高科股票的风险价值.

林蓉、徐颖、杜世平

展开 >

四川农业大学经济学院 四川 成都 611130

四川农业大学理学院 四川 雅安 625014

多维隐状态 HMM-GARCH模型 条件风险价值 Kupiec失败频率检验

2020

福建质量管理
福建省质量管理协会

福建质量管理

ISSN：
年,卷(期)：2020.(5)
  • 5