【《金融数学开题报告：基于CoVaR模型的证券市场风险溢出效应研究》3600字】

开题报告姓名学号专业金融数学拟定论文（设计）题目基于CoVaR模型的证券市场风险溢出效应研究论文（设计）来源自选论文（设计）类型指导教师1.选题的背景及研究意义（1）选题背景金融是现代经济的核心，一个国家想要全面、快速、可持续地发展，离不开成熟稳定的金融市场，而证券市场是金融市场的重要组成部分，会对金融市场产生巨大影响。在经济全球化进程日益加快的今天，金融全球化也在不断发展和扩张，仅仅控制单一金融机构或金融市场的风险无法保证整个金融市场的正常运行，单个的金融市场的风险往往会通过风险溢出效应影响到其他金融市场，并进一步引发系统性风险，因此，做好金融风险的识别，研究其在不同市场间的传导途径和传播强度，对维护我国经济平稳发展具有重大的意义。而作为金融市场重要组成部分的证券市场，对其系统性风险和风险溢出效应的分析则成为重中之重。中国加入世贸组织后，金融领域进一步开放，证券市场也不断走向成熟，在短短三十年的发展时间里取得了一系列的重大突破和辉煌成就。我国证券市场规模在日益扩大的同时，越来越多的投资者也将资金运用到不同金融子市场以规避风险或寻求利益最大化，股票市场、基金市场、债券市场和期货市场间这种跨市场的资金配置加深了风险传递的可能，因此证券市场的风险溢出效应具有普遍性。（2）研究意义理论意义：纵观国内外研究文献可以发现，现有文献往往对两个金融市场间有无风险溢出效应及其风险传导路径的研究较多，而对风险溢出强度的问题则研究较少。因此，如果能有一个合适的指标对两个金融市场间的风险溢出强度进行准确的度量，为相关金融市场监管者正确识别和控制金融风险提供依据，并有利于投资者合理地确定风险水平和溢价水平，则对我国金融市场的发展有着一定程度的理论意义。现实意义：次贷危机发生前，对金融体系风险的衡量大多使用VaR指标，然而VaR只能孤立地的度量单一金融机构的风险，却不能衡量不同金融市场间的风险溢出情况。在次贷危机后，人们逐渐意识到单个金融机构的稳健性并不能满足整个金融市场的平稳，因此将VaR进行延伸并提出CoVaR方法，用它来表示某个金融市场出现风险时对金融系统的风险价值大小，同时，CoVaR方法还具有更强的操作性和应用性，这对金融监管部门监督和控制风险，从而维护金融市场的稳定性有着重大意义。2.文献综述(1)证券市场风险溢出理论上引起风险溢出现象的原因有几种解释。一些学者认为信息溢出等因素是导致金融市场风险溢出的原因。例如，Hamao(1990)最先提出波动溢出效应，该理论认为金融市场的波动情况除了与自身市场过去的历史波动情况有关之外，还受其他相关的金融市场的波动情况的影响，这种信息在不同金融市场间的传导效应被称为波动溢出。还有一部分学者认为风险溢出效应与宏观经济变量有关，当宏观经济变量出现问题时会首先引起本国金融市场的波动，然后再由该国金融市场传到其他国家金融市场并进而对其造成影响。McQueen和Roley(1993)、Johnson和Soenen(2002)都认为宏观经济变化对股票市场有显著影响，一国的宏观经济变量出现异常时将引起本国和他国股票市场的波动。随着经济的快速发展和学术界的不断研究，所掌握的风险度量方法越来越丰富，在技术的支持下当代风险度量的主要工具渐渐变成了基于波动率度量的VaR模型。目前，大多数风险测量的实践者都在风险测度量程中引用VaR方法，因为其测量结果精确，实践意义突出。（2）基于VaR和CoVaR模型的风险溢出效应研究VaR模型最早由J.P.Morgan银行在1994年提出，该方法一经提出就被广泛应用于金融机构的风险管理中，但随着对金融风险理论和实证研究的不断丰富和发展，仅能测量单一金融机构潜在风险的VaR模型已经无法满足金融机构控制风险的需要。CoVaR模型最开始由Adrian和Brunnermeier在2008年首次提出，它刻画单个金融市场尾部损失超过VaR的平均值，使风险度量满足一致性标准，可以衡量某个金融市场出现风险时对金融系统的风险溢出大小。Cunado和Gupta等(2020)采用CoVaR方法和时变Copula函数研究美国与其它G7国家之间的相关性和风险溢出效应，发现美国和其余七国集团股票市场之间存在着显著的非对称风险溢出，G7中另外六个国家对美国股市的风险溢出大于美国对其余六个G7国家的风险溢出，并且在研究的股票市场中存在着下行风险溢出的幅度大于上行风险溢出的幅度的现象，这表明资产减少更有可能导致更大范围的金融蔓延。刘海云、吕龙（2018）利用ΔCoVaR方法和MSV模型研究国际股市风险溢出效应，发现全球40个股市存在不对称的风险溢出效应，发达国家（地区）的股票市场处于风险溢出地位，而发展中国家（地区）的股票市场则处于被溢出的地位。中国在全球股市系统性风险溢出中处于比较边沿的地位，并且中国股市最主要的外部风险来源为香港和新加坡股市。杨子晖等（2018）采用VaR、CoVaR和ΔCoVaR等多种方法度量我国金融机构系统性风险和跨部门风险溢出效应，研究发现我国系统性风险溢出效应从2013年以来逐年上升，并且整体来看证券部门的对外风险溢出最为明显。研究还发现系统性风险的传染中心随不同时期而有所变化，在“钱荒事件”时期，主要是银行和房地产产生风险并向其他市场溢出，而在“熔断机制”事件中，证券与房地产对其它部门的风险溢出冲击是显著的。（3）对研究现状的评价综合来看，现有文献对证券市场的风险溢出效应的研究往往集中于验证两个金融市场之间是否存在着风险溢出效应以及风险溢出效应的传导路径，而对风险溢出效应强度的问题研究较少，补齐这一空缺将有利于从整体上把握证券市场的风险溢出效应。3.拟采取的研究方案、技术路线（1）研究方案证券市场作为我国金融系统的重要组成部分，其风险状况对我国的经济体系有着直接的影响，VaR方法衡量的主要是市场风险，如单纯依靠VaR方法，就会忽视其他种类的风险如信用风险。另外，从技术角度讲。所以在金融风险管理中，VaR方法并不能涵盖一切，仍需综合使用各种其他的定性、定量分析方法。为了合理和有效地度量我国证券市场的风险溢出效应，本文通过构建Copula-SVt-CoVaR和MSV-CoVaR两种不同的模型，分别用模型应用并度量我国证券市场沪深股票市场的风险溢出效应，以及股票市场与基金市场的风险溢出效应。（2）技术线路图4.研究内容与论文提纲（1）研究内容第一章绪论，主要介绍本文的研究背景、意义、内容与方法。第二章文献综述，本章分理论、模型两个方面介绍国际上与证券市场风险溢出相关的研究文献。第三章模型的选择与构建，本章将主要介绍下列模型的表达形式和参数估计方法。针对沪深股市的风险溢出效应研究，本文首先采用SV-t模型进行波动建模，然后选用合适的Copula函数作为连接函数，进一步测度沪深股市之间的相关性，最后采用CoVaR函数度量两股市的风险溢出强度；针对股票市场和基金市场间的风险溢出效应研究，则采取多维随机波动的GC-MSV模型进行波动建模，然后用CoVaR函数度量两金融市场间的风险溢出强度。第四章实证分析，分别选取沪深两股市相关股票指数在相同时间段的横截面数据以及股票市场和基金市场相关价格指数在相同时间段的横截面数据为样本，进行实证分析，并对结果进行总结。第五章研究结论及展望。（2）论文提纲：一、绪论（一）研究背景（二）研究意义（三）研究内容及方法二、文献综述（一）风险溢出研究理论（二）风险溢出研究模型（三）文献评述 三、模型的选择与构建（一）SV模型的构建及参数估计（二）Copula函数的选择与参数估计（三）VaR、CoVaR和△CoVaR的计算四、实证分析（一）沪深股市风险溢出实证分析（二)股票市场与基金市场风险溢出实证分析五、结论与展望5.论文进度安排2022年11月-2022年12月：论文选题确定，搜集论文写作相关资料，撰写开题报告。2023年1月-2023年2月：研读分析资料，论文初稿写作。2023年3月-2023年4月：论文修改完善。2023年5月：论文定稿，完成答辩。6.参考文献[1]刘传,王昊.VaR模型在证券市场风险测量中的应用[J].中国管理信息化,2020,23(09):113-115.[2]丁壮壮.VaR模型在中国证券市场中的应用研究[J].北方经贸,2019,(09):112-114.[3]叶莉,樊锦霞,赵萌.金融系统多维度流动性间溢出效应研究——基于三元VAR-GARCH-BEEK模型的分析[J].金融与经济,2019(06):10-15.[4]王鹏.基于SV-M模型的股票市场风险溢价与波动关系研究[J].管理评论,2011,23(06):54-60+67.[5]彭选华.基于DCC-Copula-SV-M-t模型的股市系统性风险溢出分析[J].数理统计与管理,2019,38(05):929-939.[6]刘海云,吕龙.全球股票市场系统性风险溢出研究——基于ΔCoVaR和社会网络方法的分析[J].国际金融研究,2018(06):22-33.[7]杨子晖,陈雨恬,谢锐楷.我国金融机构系统性金融风险度量与跨部门风险溢出效应研究[J].金融研究,2018(10):19-37.[8]杜焱,欧阳资生,周学伟.基于分位数因子VAR模型的金融机构间特质风险关联研究[J].系统科学与数学:1-22.[9]王曦,刘源,赵苗.行业视角下我国金融风险溢出效应实证研究[J].中国物价,2022,(01):85-89.[10]杨扬,徐汇.金融市场银、证、保系统性风险传导和溢出效应研究——基于静、动态CoVaR模型分析[J].区域金融研究,2018,(12):25-32.[11]MikhailStolbov.Assessingsystemicriskanditsdeterminantsforadvancedandmajoremergingeconomies:thecaseofΔCoVaR[J].InternationalEconomicsandEconomicPolicy,2017,14(1).[12]QiangJi,Bing-YueLiu,JuncalCunado,RanganGupta.RiskspilloverbetweentheUSandtheremainingG7stockmarketsusingtime-varyingcopulaswithMarkovswitching:Evidencefromoveracenturyofdata[J].NorthAmericanJournalofEconomicsandFinance,2020,51.[13]GiulioGirardi,A.TolgaErgün.Systemicriskmeasurement:MultivariateGARCHestimatio