《表3 失败率及VaR后验测试结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于广义已实现测度的Realized GARCH模型改进及应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:本表报告了VaR失败率、条件覆盖（UC）、独立性（IND）和无条件覆盖（CC）三种后验测试检验p值。所有预测值是通过RGARCH模型采用不同的已实现测度得到，包括RV、RK、RBV、RVaR、RES和RLPM。*表示在5%的显著性水平上拒绝原假设，加粗表示最好表现的模型，即最大的p值或者最接

综上所述，可以得出三个主要结论:第一，引入具有高频信息的已实现波动测度的RGARCH模型是一个很有效的市场风险预测工具；但如果考虑到监管准确性和公司资本效率，已实现波动测度的表现则不如广义已实现测度。第二，广义已实现测度能够帮助RGARCH模型提高对市场风险VaR的预测能力。第三，无论是对于不同的覆盖水平还是不同的股票市场，RVaR模型结果表现最好也最稳健。