风险评估数量方法（第三板块）.ppt

高素质的风险管理人才 不仅需要财金专业的背景，更需要有严谨的数理思维训练，尤其是新型交易工具与策略不断推出，定价与分析大量数据以评估风险等的能力，需要具备非常好的数理与统计的基础。 具有坚实计量分析基础的顶尖商业人才再加上严谨的数理思惟训练，已成为华尔街身价最高的抢手货。 4.1 风险管理的数理基础 随机过程与概率分布的建立 基本的描述统计量 风险管理常见的分布函数 置信概率区间与置信水平 蒙地卡罗模拟法 4.1.1 随机过程与概率分布的建立 随机变量（Random Variable）：序列中任一時刻所观察到的值却是不确定的。 随机试验结果的量的表示。例如掷一颗骰子出现的点数，即随机变量的实例。? 时间序列（Time Series）：随机变量随着时间的经过，可以形成一组序列资料，此一跟时间有关而产生的资料。 按照时间顺序取得的一系列观测值.按照研究的现象或问题的不同,可以得到各种时间序列.例如经济学家观察某种物价指数波动,气象学家研究某地降雨量,电气工程师研究电子接收机的内部噪声等都会观测到依某种度量单位测量的一串数据,其自然顺序就是按出现的时间先后排列次序而得到的时间序列 随机过程（Random Process）：这些无法预知的数字称为随机变量數，产生的过程即随机过程。 随机试验是一种过程(process)，是一种不能确定预知会发生何种结果的实验方式。在实验前已知所有可能出现的结果，而试验后的结果为所有可能结果之一，但实验前并未能確定的、肯定的预知会出现何种結果。 时间序列是一种特殊的随机过程，是随时间推进的随机现象的数学抽象。例如，某地第n年的年降水量xn由于受许多随机因素的影响,它本身具有随机性,因此{xn,n=1,2,…}便是一个随机过程。类似地，森林中某种动物的头数，液体中受分子碰撞而作布朗运动的粒子位置，百货公司每天的顾客数，等等，都随时间变化而形成随机过程。严格说来，现实中大多数过程都具有程度不同的随机性。 时间序列典型的一个本质特征就是相邻观测值的依赖性。 4.1.1 随机过程与概率分布的建立 随机变量（Random Variable）：序列中任一時刻所观察到的值却是不确定的。 例子：当掷骰子时，骰子出现的点数是随机变量。某次“3”点向上，就说这一次随机变量取值为3。而我们所谓的随机变量远不仅只有一个“3”，而应理解为很多次点子数的集合。 随机变量只是样本空间map到实数的函数. 并不随机，也非变量. 利用随机变量的数值来代表对应的事件. 例如: 丢掷三枚铜板 X是函数，对应的关系不随机 样本空间S = {虎虎虎, 虎虎马, 虎马虎, 马虎虎, 　　　马马虎, 马虎马, 虎马马, 马马马} 随机变量X 把虎虎虎map到3, 把虎虎马, 虎马虎, 马虎虎map到2, 把马马虎, 马虎马, 虎马马map到1, 把马马马map到0 一个随机变量是一个未知具体数值的变量，它的取值可能取到或代表样本空间中任何可能的元素。样本空间中的元素有一定的概率分布(概率函数)。因此，我们说说随机变量是以一定的概率取到不同的可能值。 概率三项公理 ， ：表示概率的数值一定会大于零或是等于零，绝对不会有负值。 ：所有结果出现概率的加总必为一。 若 (A与B為互斥事件)，则 ， 。 随机变量有两种 离散随机变量 Discrete random variable 随机变量值只有可数个 有限个(finite) 可数无限个(countably infinite) 连续随机变量 Continuous random variable 随机变量值为不可数无限个（uncountably infinite） 概率分布函數 又可分为离散（Discrete）与连续（Continuous）两种形态 函数满足下列性质(离散型)： － ， － － ，其中 则称函数为随机变量的概率质量函数（Probability Mass Function，P.M.F）。 连续型随机变量的概率密度函数 函数满足下述性质(连续型)： － ， － － ，其中 称函数为随机变量的概率密度函数（Probability Density Fun