基于分位数回归模型的人民币汇率风险测度方法研究
银行经济论文银行金融论文基于GARCH-EVT模型的人民币汇率风险测度研究
银行经济论文银行金融论文基于GARCH-EVT模型的人民币汇率风险测度研究[摘要]考虑到金融资产收益序列的时变性和厚尾性,本文采用GARCH模型和EVT模型相结合的方法研究人民币汇率风险测度,求出了相应置信水平下的汇率风险值。
返回检验的结果表明,基于GARCH-EVT模型的人民币汇率风险方法要明显优于传统的历史模拟法和极值理论方法,而且在低置信水平下,用条件在险值CVaR来预测汇率风险值会得到更准确的结果。
[关键词]GARCH-EVT模型;汇率风险;返回检验;人民币汇率;条件在险值前言人民币汇改以来,我国外汇市场机制不断发展和完善,外汇投资已经成为继股票投资后的又一重要投资领域。
而与此同时,人民币汇率波动的加大致使外汇投资风险加大,如何对汇率风险进行准确测度是汇率风险管理中的重要问题之一。
目前,国际上先进的风险测度方法是在险值VaR(Value atRisk),由于其概念简单(将风险集中为一个具体的数)且应用性强,国外各大金融机构与企业均已采用VaR作为风险测度方法,巴塞尔协议也推荐把VaR作为风险测度的标准。
本文的人民币汇率风险测度采用VaR计量,但VaR也存在一些缺陷,是非一致性风险测度指标,因此,我们使用条件在险值CVaR(ConditionalValue atRisk)作为对VaR的补充。
另一方面,金融资产的收益分布特征也是准确度量金融资产风险所必须的。
众所周知,资产收益分布有着明显的厚尾性和异方差性,人们往往采用GARCH模型来处理异方差性,采用极值理论来拟合收益序列的尾部,同时假定残差序列服从条件正态分布或t 分布。
GARCH模型是Engle(1982)[1]提出的自回归条件异方差模型的扩展,由Bollerslev[2]于1986年提出,之后许多研究发现GARCH模型能很好地拟合金融时间序列: Aguilar(2000)[3]用GARCH模型来对汇率的波动性建模; Torben(2001)[4]以马克和日元对美元收益率数据为样本,完善了GARCH模型使用过程中对样本分布的限制条件;惠晓峰(2003)[5]运用GARCH模型对汇率改革后的人民币美元汇率建模并进行预测,取得了令人满意的预测效果;沈兵(2005)[6]以美元对日元汇率数据为研究对象,以不同的GARCH模型考察收益率的风险报酬补偿特征和不对称性,并用VaR对汇率风险进行度量。
硕士论文--基于GARCH-VaR模型的人民币汇率波动风险研究
学位论文作者签名：兹右埂
加，≥年，月加日
导师签名。夕１“／≮
∥
；ｏ｜湃∑其／＝Ｅｌ
＼
ｙ口
＞
摘要
自２００５年汇改以来，人民币汇率波动越来越频繁，２０１０年，我国进一步推 进人民币汇率形成机制改革，增强了人民币汇率的弹性，从２００５年７月２１日至 今，人民币汇率累计升值了约２３％。随着汇率市场化改革的进行，汇率波动对中 国的进出口企业和外商投资产生了深远影响，汇率风险管理日益重要。风险计量 是汇率风险管理的核心，只有有效地衡量汇率波动带来的风险，才能根据自身要 求制定合理的外汇风险管理方案。 ２０世纪９０年代，国际金融市场风险大大增加，很多企业都遭受了数以亿计 美元的损失，其中马来西亚中央银行因为对汇率的预期失误，在１９９２年和１９９３ 年分别损失了３０多亿美元和２０多亿美元。风险价值法（Ｖａｌｕｅ—ａｔ—Ｒｉｓｋ，ＶａＲ） 就是在这种背景下应运而生，并得到了迅速发展，目前，ＶａＲ法已经被广泛运用 到金融市场的各种风险计量中。本文在分析人民币汇率波动理论和介绍ＶａＲ体系 的基础上，以２００５年７月２１日至２０１１年９月３０日人民币兑美元中间汇率为样 本，实证分析人民币汇率波动带来的汇率风险，并检验模型的有效性。实证方法 采用ＶａＲ方法中的参数法，先用ＧＡＲＣＨ模型计算对数收益率的方差，然后计算其 ＶａＲ值，最后通过Ｋｕｐｉｅｃ失败频率检验法检验模型的有效性。 实证结果表明，人民币兑美元中间汇率对数日收益率不完全服从正态分布， 通过Ｅｖｉｅｗｓ软件检验结果显示，对数收益率是平稳时间序列，不存在序列相关 性，但具有条件异方差性；通过比较不同阶数的ＧＡＲＣＨ模型，认为ＧＡＲＣＨ（１，１） 拟合优度最佳，ＧＡＲＣＨ模型在９５％的置信水平下通过了失败频率检验法，说明基． 于ＧＡＲＣＨ－ＶａＲ模型来研究汇率风险具有一定的可行性。
基于时间序列GARCH模型的人民币汇率预测
基于时间序列GARCH模型的人民币汇率预测一、本文概述随着全球经济的不断发展和金融市场的日益开放，人民币汇率作为国际金融市场的重要指标，其波动性和预测性受到了广泛关注。
时间序列分析作为一种重要的统计方法，对于揭示时间序列数据的内在规律和预测未来走势具有显著优势。
而GARCH模型（广义自回归条件异方差模型）作为时间序列分析中的一种重要模型，能够有效捕捉金融时间序列数据的波动性特征，因此在人民币汇率预测中具有广阔的应用前景。
本文旨在利用时间序列GARCH模型对人民币汇率进行预测研究。
我们将对人民币汇率的历史数据进行整理和分析，探讨其波动性的特点和规律。
然后，我们将构建基于GARCH模型的人民币汇率预测模型，并通过实证分析验证其预测效果。
在此基础上，我们将进一步探讨影响人民币汇率波动的因素，为投资者和政策制定者提供有价值的参考信息。
本文的研究不仅有助于深入理解人民币汇率的波动性特征，而且可以为金融市场的风险管理和投资决策提供有力支持。
二、文献综述汇率预测一直是金融领域的研究热点，其对于政策制定、投资决策以及风险管理等方面具有重要意义。
随着计量经济学的不断发展，时间序列分析在金融领域的应用越来越广泛。
其中，GARCH模型作为一种重要的时间序列模型，在汇率预测中得到了广泛应用。
早期的研究主要集中在GARCH模型的基础理论和应用方面。
Engle （1982）首次提出了自回归条件异方差（ARCH）模型，用于描述时间序列数据的波动性。
随后，Bollerslev（1986）在ARCH模型的基础上进行了扩展，提出了广义自回归条件异方差（GARCH）模型，进一步提高了模型的拟合能力和预测精度。
这些研究为GARCH模型在汇率预测中的应用奠定了基础。
近年来，越来越多的学者开始关注基于时间序列GARCH模型的汇率预测研究。
例如，ie和Wang（2012）利用GARCH模型对人民币汇率进行了预测，并发现该模型能够较好地捕捉汇率的波动性。
分位数回归模型及其应用研究
分位数回归模型及其应用研究The manuscript was revised on the evening of 2021第一组计量经济学理论与方法分位数回归模型及其应用研究王桂胜1（首都经济贸易大学，北京，100026）摘要：本文在对分位数回归方法的含义和基本原理进行全面分析说明的基础上，对分位数回归方法在PANEL DATA模型中的应用作了深入分析，并对不同回归估计方法在PANEL DATA模型中的估计效果进行了比较分析。
在此基础上，通过分别采取一般最小平方法和分位数回归法对中国15省区的人均消费和人均收入的回归方程估计的统计结果比较，发现分位数回归方法在进行某些特殊的PANEL DATA模型估计时具有一定的优势。
关键词：分位数回归、面板数据模型、惩罚分位数回归估计一、分位数回归研究介绍自Koenker 和 Bassett (1978)提出线性分位数回归理论以来，分位数回归（QR）即成为近几十年来发展较快、应用广泛的回归模型方法，它不仅深化了对传统回归模型的理解，而且也推广了回归模型的类型和应用，使得回归模型拟合有关统计数据更加准确细致。
分位数回归模型是在稳健估计模型基础上发展形成。
稳健估计（Robust Estimation）理论包括基于一般凸损失函数的M 估计理论、基于样本秩统计量的R估计理论和基于样本次序统计量的L估计理论1王桂胜：男，1970年生，首都经济贸易大学劳动经济学院副教授，清华大学经管学院博士生。
等。
分位数回归强调以解释变量的分位数来估计推断因变量的分位数，通过建立分位数估计方程，并运用线性规划方法或非参数估计等方法来估计相应于不同分位数的解释变量系数或未知参数。
分位数回归是中位数回归和均值回归的推广。
分位数回归模型具体又分为四分位数回归、十分位数回归、百分位数回归、LOGIT分位数回归、审查分位数回归等模型。
关于分位数回归研究的最近发展，主要表现在分位数回归技术方法和方法应用等两方面的研究上。
中国外汇储备市场风险测度——基于GARCH-EVT-COPULA模型的利率和汇率风险集成分析
中国外汇储备市场风险测度——基于GARCH-EVT-COPULA模型的利率和汇率风险集成分析朱孟楠;段洪俊【摘要】在汇率和利率双重变动影响的背景下,中国外汇储备资产组合的市场风险引起了学界和市场的普遍关注.通过考虑汇率和利率两类基本市场风险因子,基于GARCH-EVT-COPULA模型和蒙特卡洛模拟方法对中国外汇储备市场风险进行测度.结果显示:在充分考虑汇率和利率两类基本市场风险因子条件下,现行外汇储备投资组合的整体市场风险相对于单一风险因子测度较低,两类市场风险因子在我国外汇储备组合中的风险对冲效应明显.此外,基于均值C-VaR优化的结果表明,适当降低欧元币种资产,有助于外汇储备组合提高收益并降低市场风险.【期刊名称】《厦门大学学报（哲学社会科学版）》【年(卷),期】2019(000)003【总页数】12页(P56-67)【关键词】中国外汇储备;VaR;GARCH-EVT-COPULA模型;集成风险测度【作者】朱孟楠;段洪俊【作者单位】厦门大学经济学院,福建厦门361005;厦门大学经济学院,福建厦门361005【正文语种】中文【中图分类】F830.9;F832.6一、引言近年来，中国外汇储备数量的持续下降引发各界对外汇储备风险的关注。
我国外汇储备总量从2015年年初的3.81万亿美元，下降至年底的3.33万亿美元，当年锐减约5000亿美元，截至2018年12月底，外汇储备总额已降至3.073万亿美元。
伴随外汇储备的大幅减少，美元加息预期的实现，以及我国汇率制度的渐进式变革[注]① 我国汇率制度处于变革期，在本文时间跨度内先后在2015年8月和2016年1月分别进行了两次汇率制度调整，主要是明确了中国人民币兑美元的中间价形成机制，提高了人民币对美元汇率的日波动范围。
，人民币对美元汇率在经历了10年的升值之后开始呈现下跌态势。
在此背景下，国际资本流动的套利机制开始发挥作用，世界范围内的资本流动加速，这就造成了包括人民币汇率在内的国际外汇市场上的汇率波动加剧。
基于分位回归的金融风险溢出效应度量模型及应用
本文的创新点主要体现在两个方面：一是将分位回归方法应用于金融风险溢出效应度量领域，克服了 传统方法的局限性；二是通过实证分析验证了模型的可行性和有效性，为后续研究提供了有益的参考 。
02
CATALOGUE
分位回归理论
分位回归的定义与性质
分位回归定义
分位数回归是一种统计模型，用于描述自变 量和因变量之间在不同分位点上的关系。它 能够提供关于数据分布更为全面的了解，因 为分位数回归模型在所有分位点上都有估计 值，而不仅仅是平均值。
04
CATALOGUE
模型应用与实证分析
数据来源与处理
数据来源
收集了全球主要股票市场、债券市场和商品市场的数 据，包括价格、交易量等。
数据处理
对数据进行清洗、整理，消除异常值和缺失值，确保 数据质量。
实证结果分析
分位回归模型
使用分位பைடு நூலகம்归模型分析不同市场之间的风险溢出效应 。
溢出效应衡量指标
通过计算相关性、条件相关性等指标来衡量风险溢出 效应。
模型参数估计
采用极大似然估计法等统计方法对模型参数进行估计 。
结果解释与讨论
结果解释
根据实证结果，分析不同市场之间风险 溢出效应的方向、强度和持续性。
VS
结果讨论
探讨模型结果的经济学含义，分析风险溢 出效应的内在机制和影响因素。
05
CATALOGUE
结论与展望
研究结论总结
分位回归方法能够更准确地度量金融风险溢出效应， 具有较高的稳健性和适用性。
风险溢出效应度量模型
基于分位回归构建风险溢出效应度量模型，通过分析不 同分位数下，金融机构之间的风险溢出效应，来更准确 地度量风险溢出效应。
分位数回归方法及其在金融市场风险价值预测中的应用
分位数回归方法及其在金融市场风险价值预测中的应用分位数回归方法及其在金融市场风险价值预测中的应用 1. 引言金融市场中的风险价值预测是一个关键的任务，它帮助投资者和金融机构衡量资产组合的风险暴露并制定风险管理策略。
过去几十年来，学术界和业界一直在积极探索各种预测模型和方法。
本文将重点介绍分位数回归方法及其在金融市场风险价值预测中的应用。
2. 分位数回归方法的原理分位数回归是一种回归分析方法，它不仅能估计模型中的中值效应，还能提供更加全面的分位点效应。
与传统的OLS（最小二乘法）回归不同，分位数回归在分析中关注的是各个分位点上的条件分布情况，对异常值和离群点具有较强的鲁棒性。
该方法从统计学的角度可以提供更多有关模型的信息，对于风险评估和预测具有重要意义。
3. 分位数回归方法在金融市场风险价值预测中的优势3.1 鲁棒性金融市场中经常出现异常波动和极端事件，这使得传统线性回归模型无法准确地预测风险暴露。
分位数回归方法能够更好地应对这些异常条件，提供鲁棒的风险预测结果，更加准确地反映市场波动特征。
3.2 灵活性分位数回归方法能够估计不同分位点上的条件分布情况，这为投资者和金融机构提供了更多的风险度量选择。
相比于传统的VaR（Value at Risk）方法只提供风险暴露的一个点估计，分位数回归可以通过获取更多的分位点信息，提供分布的更加全面的风险度量。
3.3 模型透明度分位数回归方法具有较好的解释性。
它不仅提供了关于不同因素对各个分位点风险预测的影响程度，还可以揭示模型的非线性特征。
这些信息有助于投资者和机构更好地理解市场风险，制定更准确的决策。
4. 分位数回归方法的应用案例4.1 风险价值预测分位数回归方法在金融市场风险价值预测中的应用非常广泛。
通过建立风险价值模型，可以在不同置信水平下估计投资组合的潜在损失。
投资者和机构可以根据这些结果进行资产配置和风险管理。
4.2 可行边界分析可行边界是指在给定风险水平下，能够获得的最高期望收益的曲线。
我国外汇储备影响因素的分位数回归研究
国内生产总值的弹性系数在所考察的所有分位点处都 为正值，且随着条件分布由低端向高端变动，其弹性系数大 体呈倒“Ｖ”型。这表明，当我国外汇储备规模的条件分布位 于 ０．５ 低分位点处，国内生产总值的影响作用最为显著，而 在其他分位点，国内生产总值的影响作用相对较弱。一国的 经济规模影响着一个国家的外汇储备规模，所以经济规模 越大，国内生产总值越多，对外汇的需求也越大，相应的外 汇储备规模也就越大，即国内生产总值对外汇储备具有正 效应。从回归分析的结果来看，当我国外汇储备规模较小 时，国内生产总值对外汇储备规模影响呈现递增趋势，但当 外汇储备规模达到一定程度，国内生产总值对外汇储备规 模影响就开始递减。这是因为根据国际经验，外汇储备与 ＧＤＰ 的比率合理区间应为 １０％－ ３０％，表 ４ 列出了部分年 份我国 ＦＥＲ 与 ＧＤＰ 的比率。
究，２００８（９）：７３－ ７９． ［７］杨雷．中国外汇储备的合理规模及政策建议［Ｊ ］．财政研究，
２００９（１１）：４９－ ５２． ［８］王凌云、王恺．对中国适度外汇储备的测度［Ｊ ］．经济评论，
２０１０（４）：１１７－ １２３． ［９］金中夏．中国汇率、利率和国际收支的互动关系 １９８１－ １９９９
值，进而刺激出口、抑制进口，增加外汇储备，这样随着汇率
［６］王群琳．中国外汇储备适度规模实证分析［Ｊ ］．国际金融研
的提高，外汇储备规模增加，即汇率对外汇储备规模具有正 效应。汇率的提高能够引起外汇储备规模的增加；当外汇储 备规模较小时，汇率对外汇储备规模的正效应较大，当外汇 储备规模较大时，汇率对外汇储备规模的正效应较小。当我 国外汇储备规模较小时，汇率提高会刺激出口、抑制进口， 增加外汇储备，央行为了维持人民币较低的汇率 （间接汇 率）也要在外汇市场上收购美元、抛出人民币，而且较高汇 率也会吸引大量的外商投资到中国来，所以此时汇率对外 汇储备规模具有较强的正效应。但是，近年来我国外汇储备
基于分位数回归方法的我国银行业系统性风险测度研究
结论与展望
然而，本研究仍存在一定限制。例如，我们在构建风险指标体系时未能涵盖 所有可能的系统性金融风险因素，未来研究可以进一步拓展风险指标的涵盖范围。 此外，我们还可以利用动态分位数回归模型，以更准确地刻画系统性金融风险对 宏观经济的溢出效应。
内容摘要
我国金融机构的系统性金融风险评估与基于极端分位数回归技术的风险度量 随着我国金融市场的快速发展，金融机构面临的各种风险也日益显现。为了 防范和化解金融风险，对我国金融机构进行系统性金融风险评估显得尤为重要。 为了更加准确地度量风险，极端分位数回归技术在金融风险评估领域的应用也日 益受到。
二、文献综述
二、文献综述
近年来，国内外学者对金融机构系统性风险评估进行了广泛研究。这些研究 主要集中在风险传染、金融机构网络结构和市场恐慌等方面。然而，这些方法往 往忽视了极端事件的影响，使得风险评估不够准确。针对这一问题，本次演示创 新性地采用极端分位数回归技术，旨在更准确地衡量金融机构的系统性风险。
一、引言
一、引言
随着我国金融市场的深入发展和金融机构的日益壮大，系统性金融风险评估 变得越来越重要。金融机构在金融体系中的核心地位使得其系统性风险评估成为 维护整个金融系统稳定的关键。本次演示旨在基于极端分位数回归技术，对我国 金融机构的系统性金融风险进行评估，以期为政策制定者和金融机构提供有价值 的参考。
五、结论
五、结论
本次演示基于极端分位数回归技术，对我国金融机构的系统性金融风险进行 了评估。结果表明，我国金融机构的系统性风险整体可控，但部分地区和大型金 融机构的风险水平较高，需采取措施加以防范。此外，市场恐慌、金融机构网络 结构等因素也应引起重视。为此，我们提出以下建议：
五、结论
1、加强对高风险金融机构的监管力度，建立更为严格的审慎监管制度，确保 其业务经营的稳健性；
技术引进与中国企业的自主创新基于分位数回归模型的经验研究
技术引进与中国企业的自主创新基于分位数回归模型的经验研究一、概述随着全球化的深入推进和科学技术的飞速发展，技术引进已成为中国企业提升自身技术水平和创新能力的重要途径。
如何在引进外部技术的基础上，实现自主创新能力的提升，一直是理论界和实务界关注的焦点。
本研究旨在探讨技术引进与中国企业自主创新之间的关系，以期为中国企业的创新发展提供理论支持和政策启示。
本文运用分位数回归模型，对技术引进与中国企业自主创新之间的关系进行了深入的经验研究。
分位数回归模型作为一种新兴的统计分析方法，能够更全面地揭示变量之间的非线性关系，为本文的研究提供了有力的分析工具。
具体而言，本文首先梳理了技术引进和自主创新的相关理论，明确了研究问题的背景和意义。
接着，通过收集中国企业技术引进和自主创新的相关数据，运用分位数回归模型，分析了不同分位点下技术引进对自主创新的影响。
在此基础上，本文进一步探讨了影响技术引进与自主创新关系的内外部因素，以及不同行业、不同规模企业之间的差异。
本研究的主要贡献在于：通过实证分析揭示了技术引进与中国企业自主创新之间的非线性关系，为相关理论研究提供了有力支持深入探讨了影响技术引进与自主创新关系的内外部因素，为企业制定自主创新战略提供了参考对不同行业、不同规模企业之间的差异进行了比较分析，为政策制定者提供了有针对性的政策建议。
本文运用分位数回归模型对技术引进与中国企业自主创新之间的关系进行了经验研究，得出了一系列有价值的结论。
这些结论不仅有助于深化对技术引进与自主创新关系的理解，也为中国企业的创新发展提供了有益的启示和建议。
1. 背景介绍：技术引进与中国企业自主创新的重要性。
随着全球化进程的加速，技术引进已经成为中国企业发展不可或缺的一部分。
技术引进不仅为中国企业提供了先进的技术设备、生产工艺和管理经验，还促进了企业生产效率的提升，增强了市场竞争力。
单纯依赖技术引进并不足以支撑中国企业的长远发展，尤其是在面对日益激烈的国际竞争时，自主创新能力的提升显得尤为重要。
分位数回归方法及其在金融市场风险价值预测中的应用
分位数回归方法及其在金融市场风险价值预测中的应用分位数回归方法及其在金融市场风险价值预测中的应用摘要：随着金融市场的不断发展和变化，风险控制成为金融机构和投资者关注的重要问题。
而准确预测金融市场的风险价值对于投资和决策具有极其重要的意义。
分位数回归方法是一种有效的统计模型，通过建立条件分位数与预测变量之间的关系，能够对金融市场的风险进行准确预测和度量。
本文将介绍分位数回归方法的基本原理和应用，以及在金融市场风险价值预测中的具体应用案例。
关键词：分位数回归方法；金融市场；风险价值；预测；应用案例一、引言金融市场的风险价值预测一直是金融领域研究的热点问题之一。
投资者和金融机构希望通过有效的风险预测方法，能够更好地进行资产配置和风险控制。
分位数回归方法是近年来被广泛应用于金融领域的一种统计模型，其能够对金融市场的风险进行准确预测和度量，受到了学术界和实践界的关注。
二、分位数回归方法的基本原理分位数回归方法是一种建立条件分位数与预测变量之间关系的统计模型。
相比于传统的普通最小二乘法回归，分位数回归方法能够更好地描述不同位置上的数据分布特征。
其基本原理是将预测变量对应的条件分位数作为目标变量，通过最小化各个分位数的损失函数，建立条件分位数与预测变量之间的关系。
三、分位数回归方法在金融市场风险价值预测中的应用1. 风险价值（Value at Risk，VaR）预测分位数回归方法在金融市场的VaR预测中得到了广泛应用。
通过建立预测变量与VaR之间的条件分位数回归模型，可以对未来的风险价值进行准确预测。
例如，可以通过分位数回归方法来建立条件分位数与市场波动率、相关性等变量之间的关系，从而预测未来的VaR水平。
2. 极端值风险预测金融市场风险中的极端值风险一直备受关注。
分位数回归方法可以通过建立条件分位数与风险因子之间的关系，对极端值风险进行预测。
例如，可以通过分位数回归方法来建立条件分位数与经济指标、市场波动率等变量之间的关系，从而预测未来的极端值风险。
分位数回归方法及其在金融市场风险价值预测中应用的研究
摘要在这个经济全球化的社会，各国间的金融市场逐步走入融合，相互间的联系不断加深。
但是市场在带动了资本流动，加快了资源配置效率的同时，也给各国金融市场带来了触手可及的危险。
2007年，美国因为房地产而引发了次贷危机，并且导致了全球性的金融危机。
在此之前，金融市场也并非一帆风顺，一直处于动荡之中。
由于金融市场在市场经济运营中的地位日渐明显，所以金融风险逐渐成为了金融界的各行专业人士关注的热点。
此外，由于金融产品的创新，政府的放松管制，高风险衍生金融工具的迅速扩大，导致金融市场风险的增加。
因此怎样有效的衡量、控制风险已经成为了金融领域需要探讨研究和实践的中心内容了。
这些问题的研究对我国金融市场的稳定和发展至关重要。
金融风险度量指标VaR应运而生，在全球得到了普遍的应用和推广，是风险管理的核心内容，也成为了国际通用的指标。
有力的开发和应用VaR，对金融风险的防范和管理具有重要的意义。
本文将采用分位数回归方法来计算VaR，直接对模型进行评估。
本文的研究内容主要是从分位数回归法，企业金融风险，VaR在金融风险中的应用，VaR计算值的方法等几个大方面进行阐述。
研究成果将为金融市场风险测量提供一个新的、有效的方法，进而为金融风险预测和管理提供一定的参考。
关键词：VaR；金融风险；金融市场；分位数回归AbstractIn this society with economic globalization, the financial markets in the world becomes increasingly integrated, and the mutual contacts have grown stronger. But when the market drives the capital flows and speeds up the efficiency of resource allocation, it also brings risks to the world's financial markets. As we know, in 2007, the real estate had caused the subprime mortgage crisis in the United States, and this crisis also leaded to a serious global financial crisis. In fact, before this crisis, the financial market is also not going well. Because of the important role of the financial market in the market economy, the financial risk is one of the main topics in the field of finance. Moreover, due to the innovation of financial products, the relaxed financial controls, and the increase in derivative financial products, the financial risks have been enlarged. How to effectively measure and control the risk has become the core of the financial research and practice. To study these problems is very important for the stability and development of China's financial market.The financial risk measurement index VaR appears in 1993. Since then it is used widely in the world, becomes the core content of risk management, and becomes a universal index used to measure risk. It is important to develop and apply VaR to prevent and manage financial risk. In this paper, we use quantile regression to calculate the VaR, and then evaluate the model directly. The main contents of this paper are quantile regression method, enterprise financial risk, the application of VaR in financial risk, the calculation methods of VaR. The main results of this paper will provide a new and effect method to measure financial risk, and then will provide the reference for the forecast and management of financial risk.Key words: VaR; Financial risk; Finance markets;Quantile Regression目录第一章 引言 (1)1.1研究背景及意义 (1)1.2研究的内容 (1)1.3国内外研究的现状 (2)1.3.1国内研究现状 (2)1.3.2国外研究现状 (3)1.4研究内容 (3)1.5研究的创新点 (3)第二章 分位数回归 (5)2.1分位数回归的概念 (5)2.1.1分位数回归的定义 (5)2.1.2分位数回归的工作原理 (5)2.2分位数回归参数的估算法 (6)2.2.1点估法 (6)2.2.2区估法 (6)第三章 金融市场风险 (7)3.1风险的定义 (7)3.2金融风险的定义 (8)3.3金融风险的分类 (8)3.4金融风险的特点 (9)3.4.1传染性和破坏性 (9)3.4.2不规律性与隐藏性 (10)3.4.3敏感性和可控制性 (10)3.4.4缺乏市场表现力 (10)3.4.5隐蔽的积聚性 (11)3.4.6复杂的体制内生性 (11)3.5金融市场风险 (13)3.5.1金融市场风险管理的背景 (13)3.5.2金融市场的主要特征 (13)3.5.3金融市场风险管理 (14)3.6市场风险测度的理论意义 (16)3.6.1对市场交易量的影响 (17)3.6.2对产品的定位，交易，缩小相互差价的影响 (17)3.6.3对产品价位调整的速度影响 (17)3.6.4对市场价位波动性影响 (17)3.7关于风险测度的现实意义 (18)3.7.1对金融机构进行的有效风险管理 (18)3.7.2其他市场参与者参与风险管理 (18)3.7.3一般工商企业进行的风险管理 (19)3.8金融市场风险的测度方法 (19)第四章 关于风险价值（VaR） (21)4.1 VaR的含义 (21)4.2 VaR的产生背景 (22)4.3 对VaR计算的主要方法 (23)4.3.1参数法 (23)4.3.2非参数法 (24)4.3.3计算方法的优缺点 (25)4.4 VaR的应用 (27)4.4.1风险测量 (27)4.4.2风险管理 (27)4.5 VaR模型在我国金融市场风险管理中的意义 (28)4.5.1对我国货币的市场良好发展有利 (29)4.5.2对我国金融界的竞争力整体上的一个提升 (29)4.5.3银行在对不良资产处理时出现新风险的掌控 (30)第五章 分位数回归的VaR非参数模型和分位数估计 (32)5.1 分位数回归的VaR参数模型和非参数模型 (32)5.1.1稳健非参数的VaR模型 (33)5.1.2Monte Carlo的模拟 (36)5.2关于实证研究 (39)结论 (44)参考文献 (45)个人简历、在学期间发表的学术论文与研究成果 (47)致 谢 (48)第一章引言1.1研究背景及意义与金融业相伴而生的就是金融风险，因为金融风险的不可避免性，客观存在性，所以要对金融的监管机制进行相应的创新，为金融市场的稳定，发展提供保障。
基于分位数自回归的金融风险计量
关系。
环境科学
03
分位数回归模型可以用于研究环境领域中的变量之间的关系，
例如气候变化、环境污染等。
03
基于分位数自回归的 金融风险计量模型构 建
金融风险计量模型构建思路
• 金融风险计量模型是用于评估和预测金融市场风险的重要工具 。在构建基于分位数自回归的金融风险计量模型时，首先需要 了解金融市场的特点和风险来源。金融市场具有复杂性和不确 定性，风险可能来自市场、信用、操作等多个方面。因此，在 构建模型时需要考虑这些因素，并能够捕捉市场动态和非线性 关系。
灵活性
分位数回归模型可以灵活 地描述变量之间的关系， 可以处理线性和非线性关 系。
条件性
分位数回归模型是基于条 件分位数进行建模，因此 可以更好地控制其他因素 的影响。
分位数回归模型的应用
金融风险管理
01
分位数回归模型可以用于衡量和管理金融风险，例如信用风险
、市场风险等。
医学和健康研究
02
分位数回归模型可以用于研究医学和健康领域中的变量之间的
结论与参考文献
研究结论
基于分位数自回归模型能够 有效地对金融风险进行计量 ，为风险管理和投资决策提 供更加精细化、个性化的参
考。
通过分位数自回归模型，可 以更好地理解金融市场的波 动特征和风险分布，为评估 市场稳定性和预测市场风险
提供有益的工具。
分位数自回归模型在处理金 融数据时具有较高的稳健性 和适用性，能够应对不同类 型和市场环境下的风险计量 问题。
型的参数估计和预测性能。
02
引入解释性变量
在模型中引入更多的解释性变量 ，如宏观经济指标、政策因素等
，以增强模型的预测能力。
04
模型验证和测试
中国证券市场风险度量及风险传导研究——基于分位数回归方法中期报告
中国证券市场风险度量及风险传导研究——基于分
位数回归方法中期报告
本研究针对中国证券市场风险度量及风险传导问题，采用分位数回
归方法进行分析和研究。
通过对中国A股市场和债券市场的分位数回归
分析，得出以下结论：
1. 在不同的市场状态下，中国证券市场的风险程度存在差异。
其中，A股市场的风险程度相对较高，债券市场的风险程度相对较低。
2. 具有不同特征的指数对中国市场风险传导存在显著的差异。
其中，股票市场的风险传导效应相较于债券市场更为显著，而随着指数市场风
险程度的升高，其风险传导效应也会相应增强。
3. 市场整体风险程度和市场流动性与风险传导效应有着显著的关联。
在高风险和流动性低的市场环境下，风险传导效应更为显著。
4. 在不同市场状态下，产品类型对风险传导效应有着不同的影响。
股票型基金、股票型ETF以及新股开盘价格等产品会加剧市场风险传导
效应，而债券型基金、债券型ETF等产品对市场风险传导起到缓冲作用。
综上所述，本研究通过采用分位数回归方法，对中国证券市场的风
险度量和风险传导进行定量研究。
研究结果揭示了中国证券市场的风险
状况和风险传导效应，为未来市场风险监测和有效风险控制提供了重要
参考依据。
基于GARCH-CVaR的人民币汇率风险测度研究
基于GARCH-CVaR的人民币汇率风险测度研究
朱新玲;黎鹏
【期刊名称】《区域金融研究》
【年(卷),期】2011(000)004
【摘要】本文运用GARCH-CVaR方法,在不同模型、不同分布、不同置信水平的假定下,对人民币汇率风险进行测度,研究表明,GARCH模型的种类对CVaR的计算结果影响不明显,而分布假定和置信水平对CVaR的计算结果影响显著.
【总页数】5页(P15-19)
【作者】朱新玲;黎鹏
【作者单位】武汉科技大学管理学院,湖北武汉430081;中南民族大学经济学院,湖北武汉430074
【正文语种】中文
【中图分类】F822
【相关文献】
1.基于GARCH-EVT模型的人民币汇率风险测度研究 [J], 王宗润;周艳菊
2.人民币汇率风险测度的实证研究——基于极值理论的VaR [J], 文赋;吴伟韬
3.基于GARCH-CVaR与GARCH-VaR的人民币汇率风险测度及效果对比研究 [J], 朱新玲;黎鹏
4.基于分位数回归模型的人民币汇率风险测度方法研究 [J], 陈耀辉;朱盼盼
5.基于双线性GARCH-VaR模型的人民币汇率风险测度 [J], 玄海燕;鹿志强;张玉春;郭长青
因版权原因，仅展示原文概要，查看原文内容请购买。
基于分位数自回归的金融风险计量研究
基于分位数自回归的金融风险计量研究金融市场在迅猛发展的同时,其风险也在不断增大。
近年来,金融风险时有发生,如2007年至2009年的全球金融危机,2010年开始全面爆发的欧洲债务危机等。
自这些金融风险发生以来,人们逐渐意识到:金融市场内部不确定性的影响因素日益增多,市场复杂性在也日益明显(如非线性和异质性等)。
时间序列分析在金融计量中占据重要地位,本文在汲取国内外本领域最新研究成果基础上,着眼于解决金融系统中非线性与异质性等复杂性问题,选取“基于分位数自回归的金融风险计量研究”这一课题,将时间序列分析拓展到分位数回归框架下,研究一元时间序列的非线性分位数自回归以及多元时间序列的分位数向量自回归,进而给出相应的金融风险计量模型与方法。
本文主要采取数理分析、人工智能、数值模拟和实证研究相结合的方法,从以下两个方面开展研究:第一,在理论建模方面,对经典的分位数回归模型进行拓展,给出新的金融风险计量工具与方法;第二,在应用研究方面,将新的金融风险计量方法应用于金融风险管理,提高金融风险管理的效率。
本文研究特色体现在两个方面。
第一,在分位数回归框架下开展研究,能够充分发挥分位数回归揭示响应变量完整分布特征与异质效应的能力,提高对尾部风险的刻画效率。
第二,通过神经网络等人工智能方法,给出基于非线性分位数自回归的金融风险计量模型与方法,能够充分模拟金融系统的非线性特征,提高金融风险计量的稳健性,实现金融风险的准确计量。
本文的主要创新点如下:1.提出基于神经网络的分位数自回归模型(Quantile Autoregressive Neural Network, QARNN),给出VaR风险计量新方法。
第一,将神经网络结构引入分位数自回归,建立了 QARNN模型,给出了模型表式与参数估计方法;第二,建立了 QARNN模型定阶的AIC和GACV准则,用以确定模型的最优滞后阶数;第三,通过数值模拟,研究QARNN模型拟合效果与预测能力,并将其与RiskMetrics模型、ARMA-GARCH模型、CAViaR模型、CARE模型以及分位数回归等传统方法进行对比,发现前者极大地提高了预测的精度和准度;第四,将QARNN模型应用于金融风险计量,给出新的VaR风险计量方法,获得了更为满意的金融风险测度效果。
基于CoVaR模型的我国银行业系统性风险的测度
基于CoVaR模型的我国银行业系统性风险的测度修国义;王芳菲【摘要】在经济全球化深入发展的今天,我国想要保持经济的平稳快速发展,必须增强抵抗风险的能力.银行业是我国金融体系的主导,而且银行业系统性风险有极大的传染性和破坏性,因此必须增强对银行业系统性风险的监管.本文提供了测度系统性风险的方法-CoVaR方法,目的在于通过对系统性风险的有效测度,为银行业的风险监管提供预警和建议.研究结果证实了我国上市商业银行系统性风险溢出效应的存在,并且国有银行对系统性风险的贡献度较高,抵御系统性风险的能力较强,这与实际情况相吻合.【期刊名称】《科技与管理》【年(卷),期】2015(017)003【总页数】4页(P103-106)【关键词】系统性风险;风险监测;条件风险价值【作者】修国义;王芳菲【作者单位】哈尔滨理工大学经济学院,黑龙江哈尔滨150080;哈尔滨理工大学经济学院,黑龙江哈尔滨150080【正文语种】中文【中图分类】F832风险是金融机构经营的固有属性。
作为一类特殊的金融机构，银行的核心业务之一就是对风险进行有效管理。
在日常业务中，银行总是面临各种各样风险的冲击，如何有效测度和应对风险已经成为各商业银行风险管理的核心所在。
当今时代，宏观经济体系的系统性风险对银行业的风险管理形成了重要挑战。
Kaufman等［1］对系统性风险(systemic risk)进行了详细的界定，认为系统性风险通常与金融自由化、金融全球化带来的金融动荡和危机密切相关。
无论是由什么原因引起的系统性风险，都会对经济体系产生溢出效应和传染效应，对整个经济体系造成严重的破坏。
2008年由美国次贷危机爆发引起的全球金融动荡，使得商业银行在应对系统性风险时更为审慎。
为了应对系统性风险，其核心问题在于如何对系统性风险进行合理度量。
只有通过将风险量化识别出其对经济体系的风险溢出效应，才能对风险管理提供正确的方向和指导。
Adrian等［2］提出了条件风险价值(CoVaR)方法，旨在测量单体金融机构(或金融市场)陷入困境时，其它金融机构(或金融市场)遭受损失的风险.CoVaR方法主要用于测量银行间的风险溢出效应，识别出对系统性风险有重要影响的银行机构。
基于分位数回归模型的我国上市公司ROE研究
基于分位数回归的净资产收益率研究——来自2008年我国上市公司的财务数据摘要:根据公司财务的基本理论，以我国上市公司2008年财务年报作为基础数据，对我国上市公司ROE（Rate of Return on Common Stockholders' Equity）进行实证研究。
指出我国上市公司ROE呈显著左偏态的尖峰厚尾分布，处在分布两侧尾部的绩优和绩差企业，反映了企业经营的风险特征和成功属性，构成了我国上市公司实证研究的重点，进而采用分位数回归方法构建计量模型进行研究。
认为不同 值的分位数模型刻画了ROE水平不同的企业的资金运用效率和偏好特征，分位数回归方法是研究ROE的有效工具。
得出了保持SRC均衡增长，降低融资交易成本，改善公司财务管理水平，是提高我国上市公司ROE水平的客观要求的结论。
关键词：净资产收益率、分位数回归、偏态分布Key words:Rate of Return on Common Stockholders' Equity（ROE）；Quantile Regression（QR）一、导言净资产收益率（以下简称为ROE）为公司税后利润除以公司净资产的百分比，衡量公司运用自有资本的效率，是衡量公司盈利能力的一项重要财务指标，在一定程度上反映了公司的资本结构、经营效率及获利模式，常用于评价公司的综合绩效和内在价值。
Hitt，Hoskisson和Kim（1997）[1]指出ROE与资本结构之间存在着密切联系，ROE不仅可以反映公司的获利水平，还可以作为研究公司财务绩效的综合测度。
包括ROE在内的财务数据，在一般情况下存在着尖峰厚尾，偏态等非正态等特征，这时采用普通最小二乘（OLS）方法构建均值模型，会由于均值显著地偏离中位数，而丧失代表性。
同时，对企业财务状况进行实证研究时，往往需要对其数据分布两端的尾部特征进行深入分析，研究优劣两类企业在有关财务指标上的具体表现及其相互联系。
中国股市风险模型比较分析——基于分位数回归理念的开题报告
中国股市风险模型比较分析——基于分位数回归理念的开题报告一、选题背景和研究意义随着经济全球化的推进和金融市场的快速发展，股票市场在国民经济中扮演着越来越重要的角色。
尤其是近年来中国股市的蓬勃发展，已引起全球投资者的广泛关注。
然而，股市的波动性使得投资者很难预测股票的真实价值，股票市场的投资风险也随之增大。
因此，对股票市场的风险建模成为了重要的研究领域。
当前，国内外学者已经提出了多种股票市场风险模型，其中包括ARCH、GARCH、EGARCH、APARCH 等经典的条件异方差模型，这些模型在股票价格的波动性上有一定的表现。
但是，这些模型仅考虑了股票价格的波动性，忽略了其他与股票市场风险相关的因素，例如宏观经济变量、政策变化等。
因此，如何建立更为全面的股票市场风险模型，是目前需要解决的问题之一。
本研究旨在通过对分位数回归模型进行调研，探明其对股票市场风险的影响，以及进行基于分位数回归模型的中国股市风险模型比较分析，通过对比分析传统ARCH、GARCH模型等经典的条件异方差模型，探究哪种模型更适合于中国股市风险建模，为投资者提供更为准确的决策依据，促进中国股市的稳定和健康发展。
二、研究方法和步骤2.1 研究方法本研究主要采用定量研究方法，通过对股票市场风险因素进行系统的整理，建立起基于分位数回归模型的风险模型。
研究方法主要包括：1. 根据已有数据，搜集中国股市宏观经济变量与风险相关数据，通过分位数回归模型建立相应的股票市场风险模型。
2. 利用波动率分解方法，分析不同时间间隔下的中国股市风险结构，探究股票市场波动性的异方性与短期、长期因素的相互关系。
3. 对比传统的 ARCH、GARCH 等经典条件异方差模型，分析其在中国股市风险建模方面的实际表现。
2.2 研究步骤本研究预计的研究步骤如下：1. 搜集相关数据：收集与股票市场风险相关的宏观经济数据，例如GDP、通货膨胀率、汇率、利率等指标，以及股票市场交易数据，例如上证指数等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
［ 关 键 词 ］ 人பைடு நூலகம்民 币 汇率 风 险 ；Ｖ ａ Ｒ值 ；分 位 数 回归模 型 ；Ｇ Ｅ Ｄ － Ｇ Ａ Ｒ Ｃ Ｈ 模 型 ；Ｑ Ｒ － Ｇ Ｅ Ｄ － Ｇ ＡＲ Ｃ Ｈ 模 型
［ 中 图分 类 号 ］ Ｏ ２ １ ３ ；Ｆ ８ ３ ２ ． ６ ［ 文 献 标 志码 ］Ａ ［ 文章编号］１ ６ ７ ３ —１ ４ ０ ９（ ２ ０ １ ５ ）２ ２ — ０ ０ ０ １ —０ ７
自十 八届 三 中全会 《 决 定 》 中提 出 “ 完善 人 民币汇 率市 场化 形成 机制 ” 以来 ，我 国外 汇市 场 的开放 程度进 一 步加 大 ，人 民币汇 率波 动进 一步 加强 ，加 大 了人 民币 的汇率 风险 ，同时也对 汇率 风 险的测 度 和
管理 提 出 了更 高 的要求 。十 八大 四 中全会 中 ，进一 步提 出 了完善 利率 汇率 改革机 制 ，并指 出利 率汇 率改 革 的核 心 是提 高市 场配 置金 融资 源 的效 率 ，在 国 内和 国际金 融 市 场 中实 现 人 民 币价 格 的 市 场化 。２ ０ １ ５
年 ４ 月 ３ ０日，美 元 兑人 民 币汇率 中 间价 已突破 ６ ． １ １ ３ ７ 。浮 动制 度 的实施 和人 民 币汇 率 的持续 升 值 ，使 我 国对 外企 业 的 国际贸 易活 动面 临着更 多 的汇率 风 险 。近些年 来 ，由于忽视 了金 融市 场 的风险 和疏 于对
金 融风 险 的管理 和 控制 ，许 多 国际上 著名 的金融 机构 和企 业纷 纷倒 闭或 破产 ，而 在金 融经 济 日益 全球 一 体 化 的今 天 ，国际 间资本 的 流通 和 国际贸易 十分 频繁 ，屡 次金 融危 机 的发生 均给 各机 构和 企业 敲响 了警 钟 ，因而 汇率风 险也 日益 成 为各机 构 和企业 在其 风 险管理 和控 制 中的主 要对 象 。
陈 耀 辉 ，朱 盼 盼 （ 南京财经大学经济学院， 江苏 南京 ２ １ ０ ０ ｚ ３ ）
［ 摘 要 ］ 采 用 分 位 数 回 归模 型 探 讨 了人 民 币汇 率 收 益率 风 险 的 测度 方 法 。首 先 ，对 传 统 的 Ｇ ＡＲ Ｃ Ｈ 族 模 型 在
测度 人 民 币汇 率 收 益率 方 面 进 行 一定 的 改进 ，摒 弃 了传 统 的 条 件 方差 的 正 态 分 布 假 定 ，采 用 现 阶 段 常 用 的 测度 金 融 风 险 的 一 种 方 法 ， 用 广 义 误 差 分 布 （ Ｇ Ｅ Ｄ） 来 代 替 收 益 率 序 列 的 正 态 分 布 假 定 ， 并 用 Ｇ Ｅ Ｄ－ Ｇ Ａ Ｒ Ｃ Ｈ 模 型来 刻 画 收益 率 序 列波 动 的 时 变 性 和聚 集 效 应 ； 其 次在 ＧＥ Ｄ － Ｇ ＡＲ Ｃ Ｈ 模 型 的基 础 上 ， 采 用 分 位
．１．
［ 引著格 式］陈耀辉 ，朱盼盼 ．基于分位数 回归模型的人民 币汇 率风险 测度方法研 究 ［ Ｊ ］．长 江大学 学报 （ 自科 版） ，２ ０ １ ５ ，１ ２（ ２ ２ ）
１ ～ ７ ．
基 于 分 位 数 回 归 模 型 的 人 民 币 汇 率 风 险 测 度 方 法 研 究
Ｓ ｈ ｉ ｅ ｈ等 。Ｅ ｎ ｇ ｌ ｅ ａ ｎ ｄ Ｍａ ｎ ｇ ａ ｎ ｅ ｌ ｌ ｉ 提 出的 Ｃ ＡＶ ｉ ａ Ｒ模 型就 是基 于分位 数 理论进 行建 模 和估计 ］ 。随后 ， Ｔａ ｙ ｌ ｏ ｒ 、Ｇａ ｇ ｌ ｉ ａ ｎ ｏ ｎ ｅ等 以及 Ｇｅ ｒ ｌ ａ ｃ ｈ等 等对 Ｃ ＡＶｉ ａ Ｒ进行 了扩展 和深入 的研 究 ，并且 得 出结 论 ：对 于 厚
国外很 多学 者 分析 了有 关金 融 收益 序列 的风 险测度 问 题 ，如 Ｅ ｎ ｇ ｌ ｅ和 Ｂ ｏ ｌ ｌ ｅ ｒ ｓ ｌ ｅ ｖ提 出 的 自回归条 件 异 方差 模 型 （ 即 Ａ ＲＣ Ｈ 模 型 ） 及 其 推 广 的 ＡＲＣ Ｈ模型 （ 即 ＧＡＲ ＣＨ 模 型 ） ＿ 】 ］ 。 以 ＡＲ Ｃ Ｈ 模 型 和
ＧＡＲ ＣＨ 模 型及 其后来 的推广模 型 为基础 对 Ｖａ Ｒ（ 在险 价值 ，Ｖａ ｌ ｕ ｅ ａ ｔ Ｒ ｉ ｓ ｋ ）进行 建模 和估 计 ，涉及 到
的部分 文献 有 Ｇ ｌ ｏ ｔ ａ ｎ ｄ Ｌ ａ ｕ ｒ ｅ ｎ ｔ 、Ａｎ ｇ ｅ ｌ ｉ ｄ ｉ ｓ ａ ｎ ｄ Ｄ ｅ ｇ ｉ ａ ｎ ｎ ａ ｋ ｉ ｓ 、Ｇ ｉ ｏ ｔ 、Ｍｃ Ｍｉ ｌ ｌ ａ ｎ ａ ｎ ｄ Ｓ ｐ ｅ ｉ ｇ ｈ ｔ 以及 Ｗ ｕ ａ ｎ ｄ
长江大 学学报 （ 自科 版 ） ２ ０ １ ５ 年８ 月 第１ ２ 卷第２ ２ 期 （ 理工上旬Ｔ Ｕ ） Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｙ ａ ｎ ｇ ｔ ｚ ｅ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ（ Ｎ ａ ｔ ｕ ｒ ａ ｌ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ Ｅ ｄ ｉ ｔ ｉ ｏ ｎ ） Ａｕ ｇ ． ２ ０ １ ５ ，Ｖｏ １ ． １ ２ Ｎｏ ． ２ ２
数回归 （ ＱＲ）模 型 ， 构建 了 Ｑ １ ＧＥ Ｉ ） ＿ Ｇ ＡＲ Ｃ Ｈ 模 型 以进 一 步 度 量 汇 率 收 益 率 序 列 的尾 部 风 险 特 征 。 失败
率检 验 以及 拟 合 成 功 率 的 比较 结 果 表 明 ， ＱＲ — ＧＥ Ｄ － Ｇ ＡＲ Ｃ Ｈ 模 型 可 以全 面地 对 汇 率 收 益 率序 列 的风 险 特 征 进 行 描 述 ，在 ５ 的 显著 性水 平 下 ， ＱＲ ＿ ＧＥ Ｉ ） ＿ ＧＡ ＲＣ Ｈ 模 型比 Ｇ Ｅ Ｄ － ＧＡ ＲＣ Ｈ 模 型 对 汇率 收 益 率 风 险 的拟