基于GARCH-VaR模型的上证指数风险度量

本文选取我国股票市场中较为有代表性的上证指数作为研究对象，选取2000年1月1日至2022年11月28日以来所有交易日的股票波动情况进行分析。对参数取值多次拟合得到拟合结果较好的GARCH模型，建立上证指数收益波动序列的GARCH模型。再应用Eviews10.0软件中的Forest和已经建立的GARCH模型结合，预测未来上证指数的条件方差。最后基于GARCH模型计算上证指数的预期VaR值，量化上证指数预期金融风险。为投资者和提前预测股票价格波动，此模型也适合不同的股票收益序列，在一定程度上为投资者提前掌握股票价格走势提供参考帮助。

我国的证券市场已经成为了国民经济中一个重要的组成部分，在现代经济发展和国家经济建设上发挥着举足轻重的作用。当前股票市场投资也成为了一个大众理财的工具，走进了千家万户的视野。越来越多的股民开始热衷于股票市场高回报的同时，也应该关注股票市场的高风险。随着股票市场规模的扩大，股票价格趋势预测也成为基本的关注对象，在此背景下，股价走势成为学者们重要的研究方向。本文选取股票指数中较为代表的上证指数基于GARCH 模型建立股票指数价格预测模型，再结合VaR 模型进行金融风险预测。

2. 文献综述 罗琰、谷政(2021) [1]利用VaR 工具，在委托代理框架下，研究了科技保险风险补偿合同问题，阐述了科技保险风险补偿的理论依据。在对称信息与非对称信息情形下，获得了风险补偿合同的闭式解。结论得到，合同中固定补偿将起主导作用，最优边际补偿系数可正可负，且随保险公司置信水平增加而递减。

陈倩文(2015) [2]基于互联网理财产品的推行， 引用GARCH 模型对互联网理财收益率进行风险分析， 得到当时互联网金融产品的市场风险仍处于可控范围内，波动性较小。王向翠和董佳慧(2009) [3]对VaR准确性检验的失败检验法进行了分析，提出了一种新的失败检验法，即贝叶斯检验法。并与传统的正态近似法和Kupiec 检验法进行了比较，说明了贝叶斯检验法的合理之处。

郑文通(1997) [4]具体分析金融风险管理中的VaR 模型在国外兴起的具体使用， 包括期初在国外银行经营与管理中的应用。刘瑾、施建准(2008) [5]将残差项服从t 分布的ARCH 类模型应用于我国外汇风险的计量， 通过美元对人民币汇率日波动率VaR 值的实证发现；ARCH 类模型预测得到的VaR 值能很好拟合美元对人民币的汇率日波动率，其中以TARCH-M(1,1)模型计算结果最为理想。

艾兴(2023) [6]选取城市商业银行历史数据中的汇率波动和股票价格波动为研究对象，将GARCH 模型推广到汇率风险领域，得到无论是汇率风险还是股票价格风险的量化分析，GARCH 模型适用范围均要广于TGARCH 和EGARCH 模型，并得到城市商业银行的股票价格风险远大于汇率风险。

何雷雨航(2021) [7]针对2018 年至2020 年“招商中证白酒指数”基金的收益率作为训练集，利用多种VaR 模型分析其收益率的波动性质。得到MCMC-GARCH-VaR 模型精确度更高，为投资者提供更准确的基金风险信息，以便选择更合适的投资方案。徐伟民、肖坚(2022) [8]以“碳达峰”、“碳中和”为政策指引，为进一步提升中国碳市场发展水平，结合国内六大交易所交易价格数据，采用GARCH-VaR模型预测了中国碳金融交易价格风险水平。研究发现，中国碳交易价格总体来说风险水平较高，六个交