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.
copyright@ 2008-2023 冰点文库 网站版权所有
经营许可证编号:鄂ICP备19020893号-2