基于历史模拟法的var改进报告方案.docVIP

研 究 生 结 课 论 文 题目浅议基于历史模拟法计算VaR的一种改进方法 摘 要 金融风险管理中常利用VaR技术进行管理。VaR技术具有简单明了的特点。计算的方法也很多。本文提出的一种基于历史模拟法的改进办法,初步克服了历史模拟法对近期风险的不敏感性。并与目前流行的极值理论计算所得VaR做比较,得到在所选数据中,改进的历史模拟法更精确地预测未来的损失。说明在某些场合下,改进的历史模拟法仍然具有操作上的优势。 关键词:VaR 收益分布 极值理论 历史模拟法 目 录 1. 利用 VaR 管理风险的背景 4 2. 如何利用 VaR 管理风险 4 2．1、以往认识的局限 4 2．2、利用基于历史模拟法的一种改进方法计算VaR 5 3. 实证分析 7 3．1、VaR的计算 7 3．2、比较 8 4. 结束语 8 参考文献： 9 一、利用 VaR 管理风险的背景 以资产报酬的方差来衡量风险,只考虑未来潜在的收益与损失的不确定性,无法确切表达潜在的损失金额,这显然不能满足实务中对资产损失的风险衡量的要求。 而VaR的产生弥补了这种缺陷。正常的市场条件下,对于给定的置信水平1-α,其对应的临界值即为该项金融资产或投资组合在统计上的最大可能损失金额,称为风险价值(VaR)。虽然实际损失的金额仍有可能超过VaR,但是根据抽样分布理论,损失金额超过VaR的概率不能超过α。 目前有越来越多的统计技术渗透到风险管理中, VaR仍然在风险管理中起着举足轻重的作用。这是因为：1、VaR可以用来简单明了表示市场风险的大小,单位是人民币或其他货币,没有任何技术色彩,没有任何专业背景的投资者和管理者都可以通过VaR值对金融风险进行评判；2、可以事前计算风险,不像以往风险管理的方法都是在事后衡量风险大小；3、不仅能计算单个金融工具的风险，还能计算由多个金融工具组成的投资组合风险,这是传统金融风险管理所不能做到的。 二、如何利用 VaR 管理风险 (一) 以往认识的局限 估计VaR的关键问题是找出损益的概率分布。统计上可以从两个不同的角度估计它,已知分布族时用参数估计方法来确定VaR；未知时则用非参数方法(比如经验分布或核密度估计)直接引入分位数, 利用分位数值做为VaR。 过去我们认为损益的概率分布是正态的。可是后来发现收益的情况是“尖峰厚尾”,和正态分布密度函数曲线有很大区别。比正态分布更加“尖峰厚尾”的t分布(事实上,当t分布的自由度大于30的时候,其密度函数与正态分布的密度函数的差异已经相当小,以至于有的统计学家认为此时可以用标准正态分布代替t分布)见下表:t分布密度函数最大值p(0,n)与方差VaR(t)随自由度n的变化)和双Weibull分布也不能很好的描述收益分布。后文中的分布检验也可以看到这样的事实。 t分布密度函数最大值与方差 VaR(t)随自由度n的变化 n 2 4 6 10 20 30 40 ∞ P（0，n） 0.3536 0.3570 0.3827 0.3891 0.3940 0.3956 0.3965 0.3989 Var（t）= / 2.00 1.50 1.25 1.11 1.07 1.05 1.00 究其原因,部分是因为当金融资产出现大涨或大跌等较大变化时人们的投机及规避风险的心理会促使其购买或抛售自己手中的资产, 从而加重了在收益分布在双侧极端的概率堆积,结果导致“厚尾”。其次大多数情况下的金融资产(以外汇为例),由于市场的平衡套利作用, 使得收益应该集中在 0附近,所以“尖峰”情况大量存在。 以前用正态分布描述收益率分布是基于人们认为收益率极端高与极端低出现的概率应该比收益率为0的概率低很多,并且越极端的事件出现的概率越小以及大部分收益应该集中在0的附近。遗憾的是, 没有任何理论证明收益率的分布是正态分布,而仅仅是出于人们的“经验”。随着统计技术的发展和人们认识水平的提高,大家越来越注意到收益分布不能完全用正态分布来拟合的事实。并且对金融资产的收益率分布来说,并不是正态或t分布那样对称。经常出现的情况是“峰”不严格在0的很小的邻域内,而明显偏移。对不同的市场和时段呈现不同的左偏或右偏。其次,正拖尾与负拖尾也不是完全对称的。目前,已知的概率密度函数并不能很好拟合收益率分布。于是我们考虑利用非参数方法(如利用经验分布函数的办法)或局部参数方法(如针对尾部或峰部分别建模)。 (二)利用基于历史模拟法的一种改进方法计算VaR 计算VaR一般来说有三种方法,分别是参数、历史模拟法和蒙特卡洛模拟法。我们需利用两种或两种以上的估计方法来计算VaR，最后加以比较权衡。 我们选用历史模拟法。历史模拟法是非参数方法的一种。这种办法计算较简便且效率较高。历史模拟法的局限性主要在于：对于结构的变化调节很缓慢，因为一次或偶尔几