基于W-G-VaR模型的股票市场风险测度

摘要

为了验证基于不同频域尺度捕捉金融时间序列的概率分布不确定性特征可以有效提高VaR模型的度量精度，首次将小波多分辨率分析与非线性期望理论相结合构建W-G-VaR模型，选择美国标准普尔500指数(Standard&Poors 500 composite stock price index, S&P 500 Index)与上证综合指数作为样本进行实证分析。结果表明，相比于G-VaR模型，从时域和频域双视角下构建的W-G-VaR模型在整个样本期间，尤其在重大风险发生期间具有更精确的风险度量结果，且捕捉不确定性时的窗口大小不会影响W-G-VaR模型的优越性。

关键词

小波多分辨率分析 / 非线性期望理论 / W-G-VaR模型 / 尾部风险