基于极值理论的动态VaR分析.pdfVIP

重庆大学硕士学位论文 1绪 论 数(CSE)的VaR，并且在预测性能上进行了比较，结果表明了在较高的置信水平下， PJM电力市场曰收益率建立了 Victoria，NordPool，Alberta,Hayward和 数模型、历史模拟方法都好。Bali等(2007)t4】运用条件极值对高频收益序列建模， 第一次将具有时变参数的GEV模型对高频收益序列进行建模，并且与离散的 比GARCH．N能更好的捕捉动态的极端波动和尾部特征。在分位数的估计上与两 阶段GARCH．GPD模型有相似的效果。 将贝叶斯统计推断与极值理论结合，利用贝叶斯理论对GPD分布的参数进行估计， 股票数据建立了高频条件VaR动态区间估计模型，并计算出了不同置信水平和不 同样本容量分块下的VaR区间估计，结果表明该模型比参数法、非参数法估计的 精度更高。 1．2．2多元GARCH模型研究现状 在描述多个资产损益序列波动的相关性时，常建立多元GARCH模型来估计多 个资产之间的协方差矩阵和相关系数。传统的多元GARCH模型由于模型参数较 多，协方差矩阵的正定性得不到保证而不被广泛使用。因此，减少估计参数个数， 的相关