CVaR-EGARCH-GED模型及其在金融领域及应用.pdfVIP

CVaR-EGARCH-GED模型及其在金融领域的应用 李伟栋 李述山 （山东科技大学 信息科学与工程学院 山东 青岛 266510） 摘要：条件风险价值（CVaR）是对金融资产风险的一种度量，它对风险价值（VaR）进 行了一定的改良；EGARCH模型用于模拟金融资产的波动（异方差现象），可以动态度量金融 资产的风险；为了描述收益序列的尖峰厚尾性，本文采用广义误差分布（GED）来拟合收益 分布；以此EGARCH-GED模型计算CVaR称作CVaR-EGARCH-GED模型。以沪深两市的股市指数 进行实证分析，结果表明CVaR-EGARCH-GED模型在中国两个股票市场上具有良好的拟合和预 测效果，可以作为中国的股票市场特别是深市风险管理的有效工具。 关键词：风险价值（VaR）；条件风险价值（CVaR）；EGARCH模型；广义误差分布（GED） 1 引言 近年来，作为金融市场风险测量的主流模型，VaR风险度量方法已经成为各大金融投资 机构以及金融风险监管机构风险测量的标准模型，但是VaR同时存在着缺陷：（1）由于它只 是某一置信水平下损失分布的分位数，所以对于超过VaR的尾部信息无法得到，而这些小概 率事件一旦发生将造成巨额损失；（2）它不具有次可加性、凸性、稳定性等性质，从而导致 它不易组合，不易优化，从经济意义和数学处理上都有很大的局限性[9]。 而于2000年由Rockafeller和Uryasev提出的CVaR方法却可以弥补这些缺点，同时也 保留了VaR的优点[6]。因此CVaR是比VaR更好的测量风险的模型。具体来说它有如下三个 优点：（1）它是损失超过VaR的条件均值，因此比VaR更能反映损失分布的尾部信息；（2） CVaR是一致性风险度量，在数学上容易处理；（3）在计算CVaR的同时，VaR也可以同时得 到[7][8]。 GARCH模型是当今描述金融资产波动率的最好的模型之一，在动态下它可以很好的处理 条件异方差问题[1]，是现代预测波动性的主流模型。EGARCH模型是它的一个拓展模型，它 不仅可以处理各种条件异方差问题，而且从数学上很好的处理了股票市场上存在的“杠杆效 应”，更有经济意义[5]。 我们知道金融资产的风险（或收益）并不服从正态，它具有尖峰厚尾性，在正态假设下 一般会低估风险值，所以我们引进GED分布，它具有更加厚的尾部，比正态分布能更好地拟 合金融资产收益序列[3]。 本文采用CVaR、EGARCH、GED分布来构造CvaR-EGARCH-GED模型对数据进行分析与预测， 通过实证与检验来说明此模型的有效性。 2 CvaR-EGARCH-GED模型建立 CVaR是对VaR的改进，它通过对超过VaR的损失求条件期望而得。因此，它可以体现 出当损失超过VaR时，该损失到底有多大，比VaR更能体现风险的大小。其定义可用下式表 示： 1 VaR CVaR E[r| r  VaR]  xdF(x) t t 1 c （1） 其中，c为置信水平，F(x) 为r的分布函数。 t EGARCH模型由Nelson在1991年提出，它是在Bollerslv于1986年提出的GARCH模型 的基础上改进而成，克服了GARCH模型的一些缺点，并且可以体现金融序列的“杠杆效应”。 对于一般的EGARCH模型，为了简化运算，假设z服从标准正态分布，而在本文中，由于正 t 态分布不能很好的描述金融收益率序列的尖峰厚尾性，我们引入 GED分布对标准EGARCH模 型进行改进，假设z服从标准的GED分布，改进后模型如下： t r   t t  2 q q p 2