bsp; 就实现的难易程度来说，单一资产的四种模型差异不明显；资产组合的四种模型中RiskMetrics算法简单，计算成本最低，而多元GARCH模型随着组合资产个数的增加，运算量呈几何倍数递增，因此应用于大规模资产组合时，多元GARCH模型实现所耗时间明显要长。
模型的准确性方面，前面已有详细比较。单一资产中，由于考虑了市场中投资者对于利好或者利空消息反应不对称性，GJR及EGARCH效果在四种模型中表现最好；资产组合模型中，多元GARCH模型对序列波动性及相关性的描述较为精确，其中FlexM模型在参数估计时采用范数逼近的方法，不需要附加约束条件，效果较其他模型更优。
综合考虑实现难易程度、模型准确性，在实际模型选择时本文给出以下几点建议：
第一，测量单一资产的VaR时，RiskMetrics、GARCH、EGARCH、GJR-GARCH四种模型的计算成本都较小，选择模型应主要考虑模型的准确性，因此GJR与EGARCH为首选，RiskMetrics模型次之。
第二，对于资产组合的风险测量，如果重点考虑模型计算速度，那么 RiskMetrics为首选。RiskMetrics方法所费时间最短，尤其是在投资组合中资产个数较多时，优势十分明显。因此，对时效要求较高（如实时监控）的投资者可用RiskMetrics方法进行风险监控。如果时效要求不高（如每日监控），则应该重点考虑模型准确性，因此FlexM-GARCH模型为最佳选择。
另外，需要说明的是，以上的研究是假定投资者持有的资产均为股票，实际上，VaR的应用范围远不止是测量股市的风险，在汇率、利率、期货期权等金融市场同样可应用VaR来测量风险。VaR的一个优点就是能测量交易中极为普遍的、由不同类型的证券构成的证券组合风险。这也是VaR方法能成为金融市场风险测量主流方法的原因之一。
|
