基于Tsallis熵最大化的VaR模型.pdfVIP

方 法 应 用 基于Tsallis熵最大化的VaR模型 赵 攀 ，袁国军 (皖西学院a．应用数学学院；b．经济管理学院，安徽六安237012) 摘 要 ：统计物理学中的Beck模型具有很好地描述变量的长期记忆和厚尾的特点。文章利用Beck模型和 Tsallis熵的最大化理论，对沪市股票指数进行 了研究，首先，给出了在Tsa1lis熵最大化条件下的分布函数，然后 ， 对沪市股票指数数据进行了实证分析，并通过最大似然估计估计出其参数，最后 ，利用该厚尾分布计算了沪市 综合指数 的VaR。 关键词：Beck模型；Tsallis熵；厚尾分布；最大似然估计 中图分类号：F830．91 文献标识码：A 文章编号：1002—6487(2013)13—0067—03 性旧。国内学者汪飞星、常国栋和李玉红将PearsonV1分布 0 弓I畜 应用到VaR模型的分布假设中用。郭海燕和李纲把广义双 曲线和正态逆高斯分布应用到VaR模型中 】。朱宏泉、卢 风险价值系统 (ValueatRiskSystem)自1994年被J．P． 祖帝、王国寿利用核估计理论，通过拟合数据过程的分布， Morgan公司首次应用于市场风险的度量和监管，并推出了 构造了VaR的估计等 。从而使VaR模型更真实地描述实 基于VaR的风险度量系统--RiskMetrics，由于其对风险衡 际市场的波动。 量的科学、简明和综合等特点，因而深受国际金融界及其 本文利用统计物理学中的具有长期记忆特征的Beck 监管部门的普遍欢迎。但是，RiskMetrics是在正态分布及 模型t “和Tsallis熵的最大化理论来描述金融领域的不 线性相关的假设下给出计算资产组合VaR值的方法。然 确定性，在最大Tsallis熵条件下得到了具有尖峰一厚尾特 而，对大量的历史数据的实证分析表明，实际的资产收益 征的概率密度函数，用其代替传统的正态分布对金融资产 较正态分布有明显的厚尾性和长期记忆性n1。因此，许多 收益率进行建模，因而更加贴近资产市场的实际情况。最 学者对RiskMetrics方法加 以改进，如：Lan—Chan运用极值 后，利用该模型对沪市股票综合指数进行了实证分析。 理论中的广义Pareto模型来计算亚洲金融市场的VaR值 基金项目：安徽省高校优秀青年基金项目(2012sQRL196)；安徽省教学研究重点项目；安徽高等学校省级 自然科 学研究项 目(KJ201IB210) 作者简介：赵 攀(1980一)，男，安徽砀山人，硕士，讲师，研究方向：应用统计，风险投资管理。 袁国军(1981一)，男，安徽六安人，博士，副教授，研究方向：应用数学，风险投资管理。 non-orthogonalProblems[J]．Technometrics，1970，12． 参考文献： [8]HuYang，Li-xingZhu．AdaptiveUnifiedBiasedEstimatorsofParam- z【]c．RadhakrishnaRao，HelgeToutenburg．LinearModels：Lest etersinLinearMode[