基于GARCH类模型VaR在我国创业板市场风险度量中的应用开题报告

随着我国经济在改革开放后迅速腾飞，我国金融市场也在不断的发展。自1990年沪深两市开设以来，中国股市在金融行业的发展中发挥了不可替代的作用，为诸多中国企业提供了良好的金融支撑。中国创业板市场在2009年10月建立，迎合了中国中小企业发展的需求，广大中小企业提供了良好的融资平台。

然而随着中国金融市场的不断完善，金融风险监管的重要性开始慢慢体现出来。早在二十世纪60年代中期，国外已经开始了对风险管理的研究——从传统风险管理理论发展到金融风险管理理论、内部控制理论和企业风险管理理论。我国对于金融风险的研究开始于我国股市开创初期，主要关注于国外金融风险管理理论在中国金融市场中的适用性。2008年经济危机之后，国内学者则主要将目光放在了风险溢出以及系统性风险领域。

而这些研究大多从整体上研究金融风险，而对于中国金融子市场的关注度不够，尤其是证券市场中除主板以外的交易板块。创业板作为我国中小企业上市的主要板块，建立以来解决了许多企业在创业期间的资金问题，同时也为中国的投资者提供了多层次的投资标的。创业板的风险涉及到许多新兴企业与行业的发展，这些企业在未来很有可能成为中国经济增长的重要支柱，这让对创业板的风险监管具有重大现实意义。

与此同时，由于创业板对投资者的准入机制在2020年发生了变化，资金在主板与创业板之间的流动更加规范，证券市场中主板与创业板之间的溢出效应同样值得研究与探讨。

一、 研究内容

1.创业板指数收益率序列的特征分析：基本统计特征、平稳性检验、自相关检验、异方差检验。

2.基于GARCH类模型的实证检验：

①通过自相关检验寻找合适的滞后阶数，并建立和估计GARCH模型；

②对GARCH模型残差平方序列进行ARCH效应检验、波动性与丛集性检验，并研究其均值回复现象；

③通过TARCH模型分析创业板是否具有杠杆效应；

④使用GARCH-M分析创业板与沪深股市收益率的GARCH-M效应，研究创业板与两者间的溢出效应。

3.基于模型分析结果，揭示创业板投资风险，并横向对比沪深两市波动率情况。

二、 拟解决的关键问题

1.创业板指数收益率波动具有的时序特征。

2.横向对比主板与创业板的风险特征。

3.通过分析创业板风险，提出符合实际、具有可操作性的投资建议。

三、 写作提纲

1.引言

2.GARCH（1，1）、TARCH与GARCH-M模型简介

3.创业板指数收益率序列特征

4.模型建立

5.风险分析与投资建议

风险管理作为一门学科出现于二十世纪60年代，经历六十年的发展成为了集传统风险管理理论、金融风险管理理论、内部控制理论和企业风险管理理论四位一体的整体性框架。其中金融风险管理是本文关注的重点。

西方作为金融行业最先发展起来的地区，其对于金融风险管理的研究也起步较早。Markowits（1952）的均值方差模型以及Sharpe（1964）的资本资产定价模型都可以视为早期的金融风险管理理论。其中资本资产定价模型中关于VaR（在险价值）的研究得到西方大部分学者的认可和发展。常见用于分析VaR的方法有历史模拟法和摩根公司的RiskMetrics方法。另一方面，Engle（1982）提出的ARCH模型为金融风险研究提供新的研究思路，随后Bollerslev（1986）在ARCH模型基础上改进出了GARCH（1，1）模型，Engle(1987)又提出了解释风险与收益关系的GARCH-M模型，Glosten（1993）提出TARCH模型用于揭示杠杆效应。此外还有许多基于GARCH模型的发展。

随着中国逐步开放，金融市场的开放也势在必行，因此也跟随世界金融市场重视在险价值的潮流。郑文通（1997）总结了VaR的原理与应用，指出VaR可以为中国金融监管部门提供风险管理的尺度，对中国金融市场建设具有重要的现实意义。邹建军（2003）使用GARCH（1，1）模型对我国的沪深两市指数收益的波动性进行了实证检验，并与摩根公司的RiskMetrics方法进行了对比，证明了GARCH（1，1）模型对于中国股市波动性的预测具有更高的准确性，且能很好地描述沪深两市的“易变性聚类”现象。2008年金融危机以后，国内学者对于系统性金融风险、金融风险传染以及风险溢出的关注程度逐渐上升，沈悦（2014）使用GARCH-Copula-CoVaR模型研究了中国金融业系统性风险溢出效应

综合上述的国内外研究，GARCH类模型十分切合当前中国证券市场的情形，是对中国股市风险进行度量和管理的科学手段。然而当前国内学者对于创业板和证券子市场之间溢出效应的关注度仍然较低。

2022年11月20日完成论文选题；

2022年12月1日至2022年12月30日，收集并整理相关资料；

2022年12月31日至2022年2月，撰写、提交开题报告，由老师审定后修改；

2022年2月至2022年3月中旬，撰写提交论文初稿，按老师意见修改论文初稿，深化研究内容，完善研究成果，形成修改终稿；

2022年3月中旬至2022年4月中旬，完成论文终稿的定稿、打印、装订，做好论文答辩准备；

2022年4月中旬至5月底前，补充完善论文材料，进行论文答辩，完成毕业论文。

[1]戴国强,徐龙炳,陆蓉.VaR方法对我国金融风险管理的借鉴及应用[J].金融研究,2000(07):45-51.

[2]郑文通.金融风险管理的VAR方法及其应用[J].国际金融研究,1997(09):58-62.

[3]王东.国外风险管理理论研究综述[J].金融发展研究,2011(02):23-27.

[4]汪忠,黄瑞华.国外风险管理研究的理论、方法及其进展[J].外国经济与管理,2005(02):25-31.

[5]邹建军,张宗益,秦拯.GARCH模型在计算我国股市风险价值中的应用研究[J].系统工程理论与实践,2003(05):20-25 135.

[6]龚锐,陈仲常,杨栋锐.GARCH族模型计算中国股市在险价值(VaR)风险的比较研究与评述[J].数量经济技术经济研究,2005(07):67-81 133.

[7]徐炜,黄炎龙.GARCH模型与VaR的度量研究[J].数量经济技术经济研究,2008(01):120-132.

[8]沈悦,戴士伟,罗希.中国金融业系统性风险溢出效应测度——基于GARCH-Copula-CoVaR模型的研究[J].当代经济科学,2014,36(06):30-38 123.

[9] Engle, R. F. (1982), Autoregressive ConditionalHeteroscedasticity with Estimates of the Variance of United Kingdom Inflation[J],Econometrica 50:987～1007.

[10] Bollerslev, T. (1986), GeneralizedAutoregressive Conditional Heteroskedasticity[J], Journal of Econometrics,31: 307～ 327.

[11]张晓朴.系统性金融风险研究:演进、成因与监管[J].国际金融研究,2010(07):58-67.

[12]柏满迎,孙禄杰.三种Copula-VaR计算方法与传统VaR方法的比较[J].数量经济技术经济研究,2007(02):154-160.

[13]叶青.基于GARCH和半参数法的VaR模型及其在中国股市风险分析中的应用[J].统计研究,2000(12):25-29.

[14] 陈守东,俞世典.基于GARCH模型的VaR方法对中国股市的分析[J].吉林大学社会科学学报,2002(04):11-17.

[15]邹平.金融计量学[M].上海:上海财经大学出版社,2021.6.