华宝证券：加强风险防控，优化风险计量，浅谈GARCH类模型在市场风险VaR计量中的应用

以上的传统方法所计量的VaR在剧烈波动的金融市场下很容易失效，核心原因在于其静态分布的假设在一定程度上忽略了 波动的时变性，导致无法量化波动率的动态变化。一般认为，金融市场中高波动率时期往往伴随着持续的高波动，低波动率时 期则延续低波动，即金融市场中资产价格的变化具有一定的趋同性，这种现象被称为波动率聚集，最早由法国数学家曼德布洛 特（Benoit Mandelbrot）提出，在数学上可以表示为在一段时间内，资产收益率绝对值的自相关函数为正，这种性质使得资产 收益率的波动率存在一定程度上的可预测性，而不是完全随机变化。GARCH类模型作为现代的金融时间序列模型，便是基于 波动聚集特性进行建模，能够更好地处理金融数据存在的尖峰肥尾特征和异方差问题。 GARCH模型（广义自回归条件异方差模型）是ARCH模型（自回归条件异方差模型）的延伸，即广义上的ARCH模型，相 比于ARCH模型，GARCH模型通过加入 项，能够捕捉历史波动对当前波动的累计效应，将ARCH模型 所依赖的高阶残差项通过历史残差平方的递归函数进行替代，更为符合金融数据波动的持续性特征。 一、引言 随着资本市场的不断深化发展，证券公司所面临市场风险的 ...