基于不同协方差矩阵的VaR度量比较.pdfVIP

基于不同协方差矩阵的VaR 度量比较 陈守东，李轶婷，胡铮洋 （吉林大学数量经济研究中心，吉林长春 130012 ） 摘要：本文以上证50指数数据为样本，采用样本协方差矩阵、数量矩阵、两参数模型矩阵、单指数模型矩阵、常量 相关矩阵作为与股票相关的协方差矩阵，结合投资策略选择的主成分方法和Markowitz最优投资组合方法，计算VaR 以度量市场风险，并比较了五种协方差矩阵度量市场风险的效果，结果表明，在主成分方法中，样本协方差矩阵和 两参数矩阵方法能有效的度量市场风险。而投资组合方法的VaR估计结果与实际损失存在较大偏差。 关键词：协方差矩阵；投资组合；VaR 中图分类号： F224.0 文献标识码： A 一、引言 Markowitz(1952)组合投资模型用期望收益来描述组合投资的收益，用方差来度量风险。组合投 资的方差可以分解成个股的方差和个股间的协方差，也就是全体股票协方差矩阵的对角和非对角元 素。最常见的协方差矩阵的估计是样本协方差矩阵，样本协方差矩阵的估计有一个缺点，就是需要 估计的参数太多(N(N +1)/2)，为了减少参数的估计数目，Sharpe(1963)提出了单指数模型。在该模 型下计算协方差矩阵，只需要估计2 N +1个参数(个股、指数的方差，以及个股与指数的协方差)。Elton 和Gruber(1973)发现当股票间的相关系数都取样本相关系数的均值时，可更准确地预测股票间的相 关系数，得到的组合投资在同样的风险水平下，收益比其他方法提高了50% 。进一步地，Elton、Gruber 和Padberg(1976)提出了常量相关模型，并发现其组合优化的算法也极其简便。无论是单指数模型， 还是常量相关模型，这些模型有共同的特点，就是对协方差矩阵的结构进行限制。如果我们采用简 单等权组合，从Markowitz组合投资的全局最小方差组合来考察，就是认为协方差矩阵是数量矩阵(单 位矩阵的常数倍)。Jobson和Korkie(1980)假设协方差矩阵所有对角元素都为常数g ，所有非对角元 素都为常数h ，只需要两个参数就可以完全确定协方差矩阵。Frost和Savarino(1986)也用该两参数 的协方差矩阵，作为贝叶斯先验知识，探讨有效组合投资的选择。 本文运用上证50指数数据讨论协方差矩阵的不同选择对投资风险测量的影响问题。通过使用不 同的协方差矩阵，找到各个模型在最大风险下的投资组合，比较相应的在险价值(VaR)，为市场投资 组合的风险度量提供参考。 二、协方差矩阵表示及相关方法 (一) 协方差矩阵 Markowitz 组合投资模型以协方差度量证券之间的关联关系，我们采用五种形式的样本协方差 T N × 矩阵，其中 N 为股票数目，T 为股票收益率 作为其估计。为方便表述，记 H 为股票收益率的 观察值的数目。 1. 样本协方差矩阵 样本协方差矩阵为： 1 1 T 1 H MH V M I ,其中 − ιι T −1 T 其中，ι表示元素都为1的向量(其阶数在运算上是相容的)，I为适当的单位矩阵。 2. 单指数模型矩阵 单指数模型(Sharpe，1963)认为股票之间的关联运动，完全由股票与市场因素的关联运动所决 定，其协方差矩阵为 1 F D +cc Q −( 2 )