李漪灏,黄雅仕,詹鸿羽,叶凯琪,王枝宁

基于2014~2024年沪深300个股数据，构建系统性风险预测模型与事前风控体系. 首先构建8个风险计量指标：平均收益率、市场流动性指标、市场情绪指标、波动率、回撤、GARCH波动率、风险价值（VaR）和条件风险价值（CVaR），通过加权平均法构建综合系统性风险指标，并对序列进行平稳性检验与参数优化，确定参数ARIMA(1,0,1)，进而构建ARIMA-GARCH系统性风险预测模型.量化测度沪深300个股系统性风险，并基于精准风险预测，为投资者提供科学的风险管理策略，促进金融市场的稳定发展.

风险计量指标；ARIMA-GARCH模型；加权平均；综合系统性风险指标

[1] 徐彩凤.基于CoVaR和MES的系统性风险预测及其在我国股市中的应用[D].北方民族大学,2024. [2] 杨立生,杨杰.货币政策、投资者情绪与股票市场流动性研究——基于TVP-SV-VAR模型的实证分析[J].价格理论与实践,2021,(09):142-145+203. [3] 颜翔宇.基于ARMA-GARCH与VAR模型的中信证券股票收益率分析[J].商展经济,2024,(11):98-101. [4] 王宗润,古慧敏.基于CVaR风险测度的后悔最小化投资组合模型[J].南昌大学学报(人文社会科学版),2021,52(03):41-49. [5] 高俊.投资者情绪对股票市场收益率的影响研究[D].合肥大学,2025. [6] 李思.基于回撤风险的投资组合优化和资产定价研究[D].西南财经大学,2024. [7] 周静雯.基于ARIMA模型的股票预测——以中国银行为例[J].现代计算机,2024,30(14):89-92. [8] 陈彦如,程敬雨.基于K-Means和GARCH模型的地方债利差分析[J].债券,2025,(02):86-92.

点击下载PDF