题目：基于Bayes估计和极值理论的股票指数VaR方法

金融市场自产生以来，金融风险以其不可预见性及其导致的巨额经济损失越来越受到人们的关注。以布雷顿森林体系崩溃为标志的固定价格体系演变为市场价格体系导致了更大的金融风险。风险管理技术已日益成为金融管理、金融工程领域最重要的研究对象之一。作为风险度量和管理的新方法，VaR自诞生以来，因其测量风险的定量性、综合性、通俗性等特点被许多银行、金融机构和监管机构广泛应用，目前已成为金融风险管理的国际标准。 我国股市经过十几年的发展，已取得不少成功经验，但也存在许多不成熟不规范的地方，使得我国股票市场波动率远高于西方发达国家成熟股票市场的市场波动率，因此加强风险管理势在必行。研究和发展VaR计算模型并且比较各自特点就成了风险度量技术的当务之急。 要准确估计VaR需要找到合适的模型能较好地拟合收益率序列的分布，所以我们首先对收益率序列的统计特征和分布进行分析以便为选择合理的VaR估计模型作参考。通过正态性、自相关性以及ARCH效应的实证分析我们发现我国股市对数收益率序列具有尖峰厚尾性，弱自相关性，波动聚集性；用Granger因果性检验及协整检验方法对沪深股市间的连动关系进行实证分析表明，尽管两市之间的连动关系随时间在不断变化，但它们之间存在长期稳定的均衡关系。 本文主要结合贝叶斯估计和极值理论研究风险值VaR的测量方法，然后在理论的基础上选取上证综指和深成指数进行实证研究，运用各种方法计算风险值VaR，并用Kupiec失败返回检验法对各VaR值进行有效性检验，比较各种方法的优劣得出结论。基于贝叶斯估计和POT模型的VaR方法把分布参数看作是随机变量，结合人们的经验预期和历史数据，得出的预测结果更加准确，从而对VaR在实际市场风险度量中的运用产生一定指导作用。