金融VaR实验报告.docx

1、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。01.012014。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

2、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32、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：che

3、n。xls)；n=size(data，1）;d=data（1：n）；m=100;for i=1：n-1 x(i) = （d(i+1)d（i)/d(i)；end y1=0;for i=1:my1=y1+x（i）;endmu（1）=y1/m；for i = 2:nm1 mu(i） = mu（i1）（x（i-1)/m）+（x(m+i-1）/m)；endfor i=1:nm1 xigma1=0; for j=1:m xigma1=xigma1+(x(i+j1)-mu(i)（x(i+j1)-mu(i）)； end xigma1=xigma1/（m1)； xgm（i）=sqrt(xigma1); var（

4、i)=mu（i）1。96xgm（i)；end mt=1：nm-1;xx=x(m+1：n1）;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73、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=10000x=r(1:n251

5、)；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=arfkn；var1=yyyy（kk:kk，:)；v1=var1;rr=r（n250:n1）；u（1:250)=0;t=1：250;plot(t，rr，b，t，v1，r，t,u，g)flag=0；bv(1)=0;for i=1:250 if rr(i)v1(i) flag=flag+1；bv(flag）=n251+i; bv（flag）=i； endendflag

6、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 = 10000coeff = Comment： Mean: ARMAX(1,1,0); Variance: GARCH(1,1) Distribution: Gaussian R: 1 M: 1 C： 1。4754e004 AR： 0。3097 MA： 0.4051 VarianceModel: GARCH P: 1 Q： 1 K: 3。9032e-004 GARCH: 0.2507 ARCH： 0.1236 Display: offflag = 0bv = 0

7、 23 88 243 247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 = 10000coeff = Comment: Mean: ARMAX（1，1，0）; Variance: GARCH(1,1) Distribution: Gaussian R： 1 M： 1 C： -1。4754e004 AR： 0。3097 MA: 0.4051 VarianceModel: GARCH P： 1 Q： 1 K： 3。9032e-004 GARCH: 0。2507 ARCH： 0.1236 D

8、isplay: offflag = 2bv = 7 88 88 243 247 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 = 10000coeff = 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。9032e004 GARCH：

9、0。2507 ARCH: 0。1236 Display： offflag = 5bv = 7 23 88 243 247 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 - 40黄灯区50.460.570.6580.7590.85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95600550参数m超限次数区域参数法直接法10红灯移动平均法1608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.