基于CARR—CVaR模型的我国股市动态风险度量.pdfVIP

基于CARR—CVaR模型的我国股市动态风险度量 朱喜安，卢米雪 (中南财经政法大学统计与数学学院，武汉 430073) 摘 要：VaR和CVaR是 目前风险度量的主流方法，基于高频数据对我国股市近期VaR和CVaR的同时动态 估计能够实现对风险的实时双重监控。高频数据蕴含了更加丰富的波动信息，本文以沪深300指数5分钟数据 为研究对象，运用CARR模型对收益序列的波动性进行拟合，进而在多种新息分布假定下测算了收益序列的 VaR和CVaR。 关键词：CARR模型；VaR；CVaR；高频数据 中图分类号：F830．9 文献标识码：A 文章编号：1002—6487(2013)24—0152—04 向上的偏差，不频繁交易可能使得 已实现极差产生一个 向 1 理论模型 下的偏差，因此，有必要对已实现极差进行纠偏。这里，采 用Martens和Dijk(2007)提出的纠偏技术得到纠偏后的已 1．1 VaR和 CVaR简介 实现极差为嘲： VaR指的是在一定的概率水平(置信度)下，某一金融 ( 资产或证券组合在未来特定时间内的最大可能损失。用 器 觚 表示置信度，x表示各种损失变量，则置信度 下的VaR用 这里，R=(In —lnL)／(4In2)为第t天的日度极差， 公式表示为 ： 为第t天的最高价，L为第t天的最低价。Martens和Dijk VaR=inf{x：Prob(Xx)≤1一a}=inf{x：Pro6x(≤z)≥口} (2007)的纠偏技术基础是 日度极差未受市场微观结构噪 即VaR就是损失x的分布的OL上分位点，其中，口通常 音的影响，隐含了波动的真实水平。应用该纠偏技术的关 取90％，95％，99％等。 键是确定尺度因子的交易天数m。 CVaR是指在一定的置信度下，该金融资产或证券组 1．3条件 自回归极差(CARR)模型 合的损失超过VaR的条件期望值 ，应该说 ，VaR是计算 Chou(2005)提出CARR模型，该模型结合极差方法和 CVaR的基础，只有得到了VaR，才能进一步算出CVaR， GARCH结构来描述 已实现极差的动态变化过程。常用的 CVaR用公式表示为 ： CARR(P，)模型为： CVaR。=E[xlxVaR] RR = ，～exp(1) 1．2 已实现极差 (RR)方法 将第t天的交易时间等间隔地分为 个区间，每个区间 ，l=+∑口RR +∑ ㈡ 长度为△，并记第i个区间的最后交易价格为 ，最高价格 其中， =E(RR 一1)，QH为(f一1)时刻信息集 ，服 为 ． ， 最低价格为L“，则区间i的对数收益率 ．有 ： 从参数为 1的指数分布 ，参数满足 0，0≤a≤1， rt = ． (1nP 一lnP“一1／／a。第t天的日对数收益率 有： 0≤ ≤1，且 为 了保 证 模 型 的 平 稳 性 ，要 求 rt=lnP “一lnP¨． ，，因为区间珀勺最后交易价格 即为 当天 的收盘价P ，所 以也有 ：rt=lnP一lnP¨。令 ∑日+∑fljl。参数 ，口，分别刻画了极差的内在不 ／7tf=(1n／-／,．f—lnL“)为区间i的极差，则第t天的已实现极 ，