新三板市场在我国资本市场中扮演着十分重要的角色，近年来新三板市场发展迅速，但是其体系制度的不完善不健全也导致新三板的风险问题日益明显，所以在这种情况下进行对新三板市场风险的测度有着重要的意义。VAR方法于上世纪九十年代产生，经过研究者们将其不断完善和发展，VAR方法如今已经成为测度资本市场风险的主流方法。因此本文基于VAR方法中的GARCH族模型并以三板成指的对数收益率做为样本数据展开研究，本文将选取GARCH，TGARCH，EGARCH模型的最优阶数，并比较分析不同置信水平以及不同分布条件下各模型对样本数据拟合的实际失败天数，以此体现模型的拟合效果。最终本文通过研究发现在99%置信水平下服从GED分布的GARCH（1,1）模型拟合最优。
目录
摘要4
关键词4
Abstract4
Key words4
引言4
一、文献综述5
（一）国外研究现状 5
（二）国内研究现状5
（三）结论7
二、中国新三板市场风险的特殊性7
（一）股转系统的定位7（二）新三板市场与我国主板市场、中小板和创业板市场的比较7
（三）中国场外交易市场风险制度特征8（四）新三板市场的风险特殊性8
三、基于VAR方法在我国新三板市场风险分析中的实证研究9
（一）实证研究的前期准备9
1．样本数据的选取 9
2．样本数据的处理9
（1）平稳性检验9
（2）正态性检验10
（3）自相关检验12
（4）异方差检验13
（5）结论14
（二）实证分析14
1．建立模型14
（1）GARCH模型15
（2）非对称ARCH模型18
2．分布问题20
（1）t分布20
（2）GED分布21
3．利用GARCH模型进行风险测算21
（1）GARCH（1,1）模型21
（2）TARCH（1,1）模型22
（3）EGARCH（1,1）模型22
（三）准确 *景先生毕设|www.jxszl.com +Q: #351916072# 
性检验23
（四）实证结论25
四、结论25
（一）结论25（二）启示26
致谢26
参考文献26
基于VAR方法对中国新三板市场的风险分析
引言
引言
新三板于2006年应运而生，并于2012年首次扩容，实现了挂牌企业、流通股本的快速増长。2014年新三板已成为我国资本交易市场的重要补充其完成从试点到全国范围的扩容。做市商制度在新三板的正式推广实施使券商、投资者、企业纷纷涌入新三板，新增挂牌企业数量及年总市值屡创新高，市场地位大幅度提升。截止2018年底，新三板挂牌规模已达到10691家，总市值达到34487.26亿元，总股本达到6324.53亿股。新三板市场一直以来发展迅速，但其在市场准入条件、交易制度、监管、转板等方面的建设都不够全面与其迅猛发展的速度不相匹配，导致新三板市场缺乏流动性。
如何度量新三板市场中所蕴含的风险就成了如何稳定新三板市场问题的中心。同为场外市场，相比较于美国全国证券交易商协会自动报价表（National Association of Securities Dealers Automated Quotations）即纳斯达克（NASDAQ），中国的新三板市场还出于一个摸索阶。我国新三板市场起源于2001年的股权代办转让系统，而美国纳斯达克从1971年至今已走过四十多年里程，因此国外的风险度量以及管理方法已经比较成熟。
计算方差来判断股票市场的风险以及CAMP模型中的β值来度量系统风险是最传统的两种度量风险的方法，但这两种方法都有一些自身的局限性，并不能有效的反映新三板市场的风险特征。G30集团在《衍生品的实践和规则》的报告中第一次提出VAR方法的概念。随后J.P.Morgan（1994）设计出Risk Metrics模型，为VAR方法在风险度量中的应用奠定了理论基础，此后经过国内外学者的研究VAR的计算方法也在不断发展进步，近年来国内外对GARCH族模型在度量风险的效果上认可度较高，所以本文将围绕GARCH模型对新三板市场风险的测度进行研究。
文献综述
（一）国外研究现状
由于国外的一些场外交易市场起步较早，早在二十世纪，国外学者在研究流动性风险方面就有了很多的研究成果。在1979年，Garbade 和Silber在流动性风险测度上采用方差法，计算出证券的清算价格和真实价格之差。他们认为，证券交易时刻之间的差距可以在一定程度上反映出证券市场流动性的变化。后来又有研究者在流动性风险因素的测度中加入了VAR模型，使得流动性风险的测度更加接近市场真实。
1982年，自回归条件异方差模型，即ARCH 模型被Engle 第一次提出，Bolerslev (1986)在ARCH模型的基础上提出了一个全新的模型——GARCH，之后又扩展出了TGARCH、EGARCH 两种全新的研究方向，随着VAR模型的广泛传播和持续发展，RockafeUar和Uryasev等于1997年提出CVAR即条件风险价值，其含义为在投资组合的损失超过某个给定VAR值的条件下，该投资组合的平均损失值。
随着研究进一步深入，有学者在VAR模型中加入了流动性风险因素，使市场风险度量的准确性大大提高。在1999年Bangia等构建著名的BDSS模型，用LaVAR模型，即流动性调整后的VAR模型来测量做市商市场的流动风险值。Giot和Grammin ( 2002)在BDSS模型的研究基础上，采用ARMAGARCH模型计算无摩擦收益率和流动性成本实现收益率的均值和方差，从而测算出证券市场流动性风险的 VAR值。Neil (2016) 结合极值理论对GARCH 模型进行残差的计算，度量了存在异方差特性的金融时间序列的尾部风险。Samit和 Prateek于2017年利用EVT理论，即条件极值理论实现GARCH模型，并且完成了动态的预测能力模型与GARCH模型的比较。

原文链接：http://www.jxszl.com/jmgl/jjymy/562791.html