基于多维隐状态HMM-GARCH模型的CVaR风险度量

摘要：

结合隐马尔可夫模型(HMM)在状态划分上的优势,利用多维隐状态HMM-GARCH模型来度量金融资产条件风险价值(CVaR).首先对收益率序列建立隐马尔可夫模型,对样本数据进行模型拟合,根据AIC、BIC准则找出隐马尔可夫模型最优的隐状态数为5,并用Baum-Welch算法估算模型的参数,再利用Viterbi算法估算收益率序列对应的隐状态序列,根据隐状态序列将收益率序列分为五个大类,对五个状态对应的收益率序列分别建立HMM-GARCH模型来估算CVaR,最后利用该模型和传统的GARCH模型对隆平高科股票(000998)进行了实证分析,应用Kupiec失败频率检验法对CVaR的准确性进行检验.研究表明,基于多维隐状态的HMM-GARCH模型的CVaR方法能更好的描绘和预测隆平高科股票的风险价值.

关键词：多维隐状态、HMM-GARCH模型、条件风险价值、Kupiec失败频率检验

在线出版日期：2020-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：153-155