基于Copula-EVT模型的我国股票市场流动性调整的VaR与ES研究.pdfVIP

基于Copula．EVT模型的我国股票市场流动性调整的VaR和Es研究 刘晓星’ (东南大学经济管理学院南京211189) 摘要：结合相依结构函数Copula和极值理论EVT，构建了我国股票市场经流动性调整 的La．Copula—EVT风险价值模型，并用沪深收益序列的分笔高频数据进行了实证分析，发现 我国沪深股市收益序列的上尾和下尾都存在较高相关性，后验测试结果表明构建的模型能够 对实际损失进行很好的拟合；然后在该模型的基础上进一步分析了我国沪深股市的风险价值 和预期不足在不同嚣信区间的敏感度差异，确定了适合La．Copula—EvT模型的最优置信度区 间。 关键词：Copula．EvT、流动性、风险价值VaR、预期不足Es 一、引言 环境下，在一定的置信水平和持有期内，衡量某个特定的头寸或组合所面临的最大可能损失。 与传统的风险衡量相比，VaR提供了一种考虑杠杆、相关性和当前头寸组合风险的整体观点， 被称为是一种具有前瞻性的风险衡量方法。但是VaR本身也存在一些局限性，一是没有考 虑到尾部风险，也就是没有考虑到如果损失超过VaR值时的风险情形；另外它不满足次可加 性，不是一个一致性风险度量工具。为了弥补这些不足，Artzner(1997)【2儿3】提出了预期不 足(Expected 损失的，F均值，代表了超额损失的平均水平。结合VaR和Es的双风险门限的监管将对企业 和金融机构提供更加合理更加有效的风险度量标准，日益受到各方的重视。 虽然传统的VaR方法在计算多种资产的市场风险时，通过盯市价值的风险映射(Risk Mapping)将资产组合的市场风险纳入到了一个统一的风险计量框架，但是以盯市方法的VaR 计算隐含着一个非常严格的前提，即组合头寸不论大小都能够按照当前的市场价格瞬间出 清，这意味着市场是无摩擦的(Frictionless)，任何数量的资产出清都不存在流动性问题。 这个严格的前提在现实的市场中是难以满足的，因为瞬间出清只有在理想市场条件下，对那 些流动性高目．不会对市场价格造成冲击的小额交易才能成立。而现实中的金融资产由于会受 到市场容量、交易数量以及资产本身属性等因素的制约，可能难以在盯市价值处出清，也就 是说市场并不是无摩擦的。1990年代以来一系列的金融损失事件已经表明，市场的摩擦性 在现实的金融资产交易中具有普遍性，流动性是市场的生命力所在，在金融体系的重要性受 到了前所未有的强调，对流动性的风险度量和管理日益受到各国监管当局的高度重视。因此， 基于现实市场特征，我们在汁量资产组合的市场风险时就必须要考虑资产在出清时可能存在 的流动性风险，否则会引起VaR估计值与真实风险之间的较大偏差。 另外，随着VaR方法的厂‘泛应用，使得对风险的研究转向了如何刻画与估汁资产的联合 损失分布函数，因为对于多变量之问的关系最完整的刻画就是他们的联合分布，对于多资产 的联合分布函数其解析表达式一般比较复杂，实际运用中很难对其进行相关估计和风险模 拟。一般风险模型中都假设多个金融资产收益序列或风险因子的联合分布为多元正态分布， ’【作者简介1文{j晓星(1970一--)男，湖南隆回人，博士，教授，东南大学金融系主任，金融学硕士生导师， 研冗方向：金融：】二程与风险管理。在《系统工程理论与实践》《南开管理评论》《数理统计与管理》《国际贸 易问题》等核心期刊己公开发表论文60余篇。 并用Pearson线性相关系数作为资产相关性的度量指标。但是大量的研究表明，金融资产收 益率具有明显的“尖峰厚尾”特征，方差不存在或者为无穷且资产之间表现出较强的非线性 特征，如果用正态分布对其进行刻画势必会产生较大的偏差。而相依结构函数Copula方法 弥补了上述传统风险理论的不足，为这一问题的解决提供了一种新的思路。对于多元分布函 数Copula可以将资产的边缘分布与他们之间的相关结构分开来考虑，并可以灵活的选择资 产边缘分布的具体形式。而资产间的相关结构可以通过Copula函数来描述，可以捕捉到变 量之间的非线性、非对称的相关关系。鉴于这些性质特征，使得Copula理论得到了越来越 多的重视和应用。而对于资产收益率一般呈现非对称分布，具有“杠杆效应”，以及“尖峰 厚尾”特征，一般的正态分布和t分布等都不能很好的拟合收益率序列的分布，也不能预测 金融资产在极端情形下的变化特征。而极值理论(EVT)为解决这一问题提供了一种很好的 方法。极值理论是度量市场风险极端情形的一种有效方法