基于高频数据的时变VaR建模和预测研究

• 作者: 李汉东 董灿
• 来源期刊: 北京师范大学学报（自然科学版）
• 关键词: VaR长记忆 ARMA模型 ARFIMA模型
• 年，卷（期）: 2014,（4）
• 页码范围: 384-389
• 页数: 6页
• 语种: 中文

摘要

提出了 VaR时间序列动态预测的方法。首先以上证综合指数和深证综合指数日内分钟数据为基础，根据不同方法计算出每日 VaR 值，然后给出了 VaR 时间序列的统计特征，包括平稳性和长记忆性，最后对 VaR 序列建立ARMA模型和 ARFIMA模型，并比较了两种模型预测效果。我们的结果表明：1)基于德尔塔正态法的 VaR 序列其ARMA模型预测效果好于历史模拟法和蒙特卡洛模拟法的预测效果；2)尽管 VaR序列存在长记忆性，但所有 VaR序列的 ARMA模型预测效果好于 ARFIMA模型的预测效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李汉东	北京师范大学政府管理学院	36	365	10.0	18.0
2	董灿	北京师范大学政府管理学院	1	3	1.0	1.0