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）》请在冰豆网上搜索。
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.
升级会员 