利用PGARCH-M模型估计Value-at-Risk.docVIP

风险值VaR和尾部条件期望TCE的实证比较分析 王 苹 翟富菊 （青岛科技大学数理学院，青岛266042） 摘 要：由于风险值VaR具有一定局限性，因此人们在VaR的基础上又提出了一种新的度量市场风险的方法：尾部条件期望TCE。本文利用基于GED分布和T分布的TGARCH-M模型建立计算公式，并实证比较了VaR和TCE度量市场风险的准确性，结果表明，在通常情况下TCE和VaR均能较准确地度量市场风险。 关键词：VaR TCE TGARCH-M 模型 GED分布 准确性 中国法分类号：F832; F224.0 文献标志码 A Comparative analysis of Value-at-Risk(VaR) and tail conditional expectation(TCE) in application WANG Ping； ZHAI Fuju (School of Mathematics and Physics, Qingdao Unniversity of Science and echnology,Qingdao,266042,P.R. China) Abstract Because of the disadvantage of the VaR model, a new measure is proposed: tail conditional expectation(TCE). In this paper, VaR and TCE are compared in accuracy based on several formulae of TGARCH-M model with GED distribution and T distribution. The indicates that TCE and VaR all can usually measure financial risk accurately. Keywords VaR; TCE; TGARCH-M model; GED distribution； accuracy 0 引言 随着经济全球化和金融一体化及近年来一系列金融灾难发生，风险管理日益成为金融体系最核心的内容。目前风险值(VaR)已成为一种最常用的金融风险管理工具，它是一种用统计的方法来衡量市场风险的测度。VaR把对预期的未来损失的大小和该损失发生的可能性结合起来，不仅风险管理者知道发生损失的规模，而且也知道了损失发生的可能性。随着近几年来一些学者的深入研究，在VaR的基础上又提出了一种新的度量市场风险方法－尾部条件期望。本文利用TGARCH-M 模型推导出计算公式，并利用上证指数和公用指数的历史收盘数据比较了VaR和TCE度量风险的准确性。 模型介绍 1.1 TGARCH-M 模型定义 由于金融资产收益率具有变易率聚类性、分布的尖峰厚尾性和有偏性、杠杆作用，同时又考虑到股票风险是决定其收益的重要因素，所以为了准确地反应这些特性，于1987年Engle，Lilien和Robins将GARCH模型中的条件方差引入均值方程,即原方程变为，还可把方程中的条件方差改为 或 以此，本文利用基于GED分布和T分布的TGARCH-M 模型。TGARCH-M模型为： 其中，。如果表示股票收益率，为表示利好消息的影响系数，为表示利坏消息的影响系数。如果显著的不等于0，说明收益率存在杠杆效应，因此用这种模型能较好地反应收益率序列的有偏问题。如果显著不为0，说明该模型反映了股票的风险是决定其价格和收益率的重要因素。 如果所有＝0模型就变为GARCH模型。 1.2 VaR定义及计算 风险值（VaR）是指设随机变量表示投资一定数额的资产W后，在未来某一持有期T内的损益率，则满足 VaR（通常取正值）称为该投资组合在未来持有期T内置信度为的风险值。 如果已知该投资组合在[0,T]时期内的损益率的分布为，则投资组合损益率分布的分位数，即 对于TGARCH-M模型，有置信度为的风险值为 （1） 其中F为随机变量服从的分布。表示该分布的分位数。 1.3 TCE定义及计算公式 由于VaR仅度量了资产组合在一定置信度下可能损失的分位数，而忽略了越过这个分位数的损失达到何种程度，同时VaR不具有次可加性，次可加性反映了风险分摊原理，即由几项子资产构成的投资组合承受的风险不大于各项子资产所承受的风险之和，如一个金融机构的总风险不能由各子机构风险之和来预测，将给风险度量带来很大的困难。因此一些学者在VaR的基础上又提出了一种新的度量市场风险方法－尾部条件