中国燃油期货市场的VaR与ES风险度量

中国管理科学 ›› 2012, Vol. 20 ›› Issue (6): 1-8.

• 论文 • 下一篇

中国燃油期货市场的VaR与ES风险度量

王鹏¹, 魏宇²

1. 西南财经大学金融学院,四川成都 610074;
2. 西南交通大学经济管理学院,四川成都 610031

收稿日期:2011-05-05 修回日期:2012-07-10 出版日期:2012-12-29 发布日期:2012-12-28
基金资助:
国家自然科学基金资助项目(71071131,71101119);教育部新世纪优秀人才支持计划(NCET-08-0826);西南财经大学"2011工程"项目(211QN10110)

Backtesting Risk Models for Chinese Fuel-oil Futures Market

WANG Peng¹, WEI Yu²

1. School of Finance, Southwest University of Fenance and Economics, Chengdu 610074, China;
2. School of Economics and Manayement, Southowest Jiaotong University, Chengdu 610031, China

Received:2011-05-05 Revised:2012-07-10 Online:2012-12-29 Published:2012-12-28

摘要/Abstract

摘要： 近年来,我国燃油期货市场取得快速发展,但有关该市场波动特征和风险状况的研究却非常缺乏。以上海期货交易所燃油期货价格指数为例,分别在多头和空头两种头寸状况以及5种不同分位数水平下,运用条件覆盖检验、非条件覆盖检验等后验分析方法,实证对比了不同风险测度模型对VaR和ES两种不同风险指标估计的精度差异。研究结果表明:在我国燃油期货市场的风险测度估计中考虑国际燃油价格波动因素有助于获得更为精准的风险测度精度;在综合考虑了模型对价格变化动力学的刻画效果以及对极端风险的测度精度等因素后,FIGARCH_CST-SST模型是一个相对合理的风险测度模型选择。

关键词: 中国燃油期货市场, VaR, ES, 有偏学生t分布, 后验分析

Abstract: By taking four representative indices of Chinese fuel-oil futures market as sample, VaR predicting is used for eight risk models. Furthermore, two robust backtesting methodologies, unconditional coverage test and conditional coverage test, are introduced to estimate the accuracy for VaR predictions produced by different models. The main results show that adding international fuel-oil price volatility as explanatory variable in typical models is helpful to improve risk estimation accuracy of Chinese fuel-oil futures market. In addition, FIGARCH_CST-SST is moderately good in overall consideration of description efficiency and estimation accuracy to extreme risk.

Key words: Chinese fuel-oil futures market, value at risk, excepted shortfall, skewed student-t distribution, backtesting analysis

中图分类号:

F830.9

王鹏, 魏宇. 中国燃油期货市场的VaR与ES风险度量[J]. 中国管理科学, 2012, 20(6): 1-8.

WANG Peng, WEI Yu. Backtesting Risk Models for Chinese Fuel-oil Futures Market[J]. Chinese Journal of Management Science, 2012, 20(6): 1-8.

参考文献

[1] 张小艳, 张宗成. 期货市场有效性理论与实证检验[J]. 中国管理科学, 2005, 13(6): 1-5.
[2] 杨升, 何凌云, 周曙东, 等. 大商所豆一与豆粕期货合约价格的协整性分析[J]. 中国管理科学, 2008, 16(S1): 302-305.
[3] 付剑茹, 张宗成. 套期保值,估计风险与贝叶斯统计——基于中国铜期货市场的经验研究[J]. 中国管理科学, 2009, 17(4): 21-29.
[4] 唐衍伟, 陈刚, 李海英. 我国与国际燃料油期货市场长期均衡的实证研究[J]. 系统工程, 2007, 25(10): 51-57.
[5] 戴毓, 周德群. 我国燃料油期货收益、交易量关系的实证研究[J]. 系统工程, 2008, 26(7): 35-39.
[6] 马超群, 佘升翔, 陈彦玲, 等. 中国上海燃料油期货市场信息溢出效应研究[J]. 管理科学学报, 2009, 12(3): 92-101.
[7] Bouchaud J P, Potters M. Theory of financial risk: From statistical physics to risk management [M]. Cambridge: Cambridge University Press, 1999.
[8] Yamai Y, Yoshiba T. Value-at-Risk versus excepted shortfall: a practical perspective [J]. Journal of Banking and Finance, 2005, 29(4): 997-1015.
[9] Robert J E, Hong M. VaR and excepted shortfall: a non-normal regime switching framework [J]. Quantitative Finance, 2009, 9(6): 747-755.
[10] Abderrahim T. Analytical value-at-risk and excepted shortfall under regime switching [J]. Financial Research Letters, 2009, 6 (1): 138-151.
[11] Lennart H, Herman K. Bayesian forecasting of Value at Risk and expected shortfall using adaptive importance sampling[J]. International Journal of Forecasting, 2010, 26(2): 231-247.
[12] Mcneil A J, Frey R. Estimation of tail related risk measures for heteroscedastic financial time series: an extreme value approach[J]. Journal of Empirical Finance, 2000, 7(3-4): 271-300.
[13] Engle R F, Patton A. What good is volatility model?[J] . Quantitative Finance, 2001, 1(2): 237-245.
[14] Down K. Measuring market risk[M]. Chi Chester: John Wiley & Sons Press, 2005.
[15] Chung I Y, Lu J R, Lee P H. Forecasting volatility in the financial markets: a comparison of alternative distributional assumptions[J]. Applied Financial Economics, 2007, 17(13): 1051-1060.
[16] Agnolucci P. Volatility in crude oil futures: a comparison of the predictive ability of GARCH and implied volatility models[J]. Energy Economics, 2009, 31(2): 316-321.
[17] Kupiec P. Techniques for verifying the accuracy of risk measurement models[J]. Journal of Derivatives, 1995, 3(2): 173-184.
[18] Engle R F, Manganelli S. CAViaR: Conditional autoregressive Value at Risk by regression quantiles [J]. Journal of Business and Economic Statistics, 2004, 22(3): 367-381.
[19] Christofferson P F. Elements of financial risk management [M]. San Diego: Academic Press, 2003.
[20] Artzner P, Delbaen F, Eber J M, et al. Thinking coherently [J]. Risk, 1997, 10(11): 68-71.
[21] Artzner P, Delbaen F, Eber J M, Heath D. Coherent measures of risk[J]. Mathematical Finance, 1999, 9(3): 203-228.

相关文章 15

[1]	成思聪,王天一. 引入隔夜信息的期权定价模型研究[J]. 中国管理科学, 2024, 32(9): 1-10.
[2]	陈杰,邢灵博,李胃胜,陈志祥,陈崇萍. 不完备质量下带有风险厌恶的库存决策模型[J]. 中国管理科学, 2024, 32(2): 54-64.
[3]	王海宇. 基于简单检测方法的动态 $n p x$ 控制图的经济统计优化设计[J]. 中国管理科学, 2023, 31(9): 205-213.
[4]	王江涛,蔡雅,郑承利. 一类自适应的风险预测算法及其应用[J]. 中国管理科学, 2023, 31(8): 1-8.
[5]	张鹏, 崔淑琳, 李璟欣. 一致性均值-CVaR可信性投资组合优化[J]. 中国管理科学, 2023, 31(6): 111-121.
[6]	刁姝杰, 匡海波, 朱佳钰, 孟斌. 基于混合CVaR的出口海陆仓质押率与物流服务努力水平联合决策研究[J]. 中国管理科学, 2023, 31(5): 93-103.
[7]	于辉, 李鑫. 零售商运营视角下投贷联动CVaR利率决策模型[J]. 中国管理科学, 2023, 31(2): 255-265.
[8]	叶五一,李艾琳,焦守坤. 基于动态模型平均的大豆期货市场风险溢出研究[J]. 中国管理科学, 2023, 31(12): 1-10.
[9]	汪冬华, 姚钰雯, 王暖. 基于Hawkes过程的国际原油市场与中国股票市场大幅波动联动性研究[J]. 中国管理科学, 2022, 30(8): 36-43.
[10]	欧阳资生, 杨希特, 黄颖. 嵌入网络舆情指数的中国金融机构系统性风险传染效应研究[J]. 中国管理科学, 2022, 30(4): 1-12.
[11]	刘志东, 赵致远. 基于状态依赖Hawkes过程的我国股市限价指令簿事件激励效应研究[J]. 中国管理科学, 2022, 30(2): 1-13.
[12]	张小婉, 易荣华, 俞莹, 王颖. 基于滚窗VAR的沪港通波动溢出效应测度[J]. 中国管理科学, 2022, 30(11): 42-51.
[13]	鲁万波, 亢晶浩. GAS-SKST-F模型及其在高频多元波动率预测中的应用[J]. 中国管理科学, 2022, 30(1): 77-87.
[14]	吴鑫育, 李心丹, 马超群. 基于期权与高频数据信息的VaR度量研究[J]. 中国管理科学, 2021, 29(8): 13-23.
[15]	朱怀念, 张成科, 曹铭. Heston模型下保险公司和再保险公司的投资与再保险博弈[J]. 中国管理科学, 2021, 29(6): 48-59.

中国燃油期货市场的VaR与ES风险度量

Backtesting Risk Models for Chinese Fuel-oil Futures Market

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10