基于条件极值分布的金融高频数据ＶａＲ动态估计模型

李旭姣，张克勇

（中北大学，山西太原０３００５１）

【摘 要】

高频数据由于自身数量大、周期短、信息丰富的特点而受到关注。基于高频数据，对金融时间序列的厚尾特征进行条件极值分布下的ＶａＲ估计。在对条件均值和条件波动率估计时，以往采用一阶自回归模型和ＧＡＲＣＨ模型，但基于高频数据的估计较为繁复。为了充分利用日内信息，基于高频样本观测值，建立已实现均值ＲＭ模型，在考虑市场异质性的基础上，对条件均值进行估计。通过对ＴＣＬ股票价格进行实证分析，估计出ＶａＲ风险值，验证模型是合理的。

【关键词】

极值理论；ＰＯＴ；高频数据；ＢＳＰ－ＲＭ－ＲＶ－ＰＯＴ

【中图分类号】

Ｆ830.9       

（2014年06期  第76-84页）