基于极值理论的同业拆借利率分险度量分析.ppt

基于极值理论的同业拆借利率风险度量 ——基于AR-GARCH-POT方法的VaR值的比较分析 汇报人：汤 敏 钟芳清 专 业：金 融 时 间：2014年12月25日 文章来源：数量经济技术经济研究，2009（08） 目 录 三、实证研究 一、写作背景与文献综述 二、理论模型详解 四、结论分析与政策建议 2013年工作总结 写作背景 1、利率市场化 2、巴塞尔协议要求利率风险管理 3、银监会在《商业银行市场风险管理指引》指出鼓励内部模型计量风险价值 1.1 写 作 背 景 1.2 文献综述 VaR研究我国同业拆借利率及市场风险 方法：ARIMA及GARCH模型拟合我国银行隔夜拆借市场利 率收益序列 结论：AIMA模型的预测能力比GARCH模型更好 · 方法：ARCH模型以及VAR模型 · 结论：通过上述模型能够度量银行间7日同业拆借利 率风险 任兆璋、彭化非（2005） 李志辉、刘胜会（2006） 1.2 文献综述 VaR研究我国同业拆借利率及市场风险 方法：采用VaR模型通过2002年11月11日至2006年3月30日我国银行间同业拆借市场每日加权平均利率进行实证研究, 结论：显示t分布不适合描述我国银行间同业拆借利率序列的分布状况,，GED分布能较好刻画我国同业拆借利率序列的分布。 方法：采用基于广义误差分布假设的ARMA一GARCH模型 结论：拟合了同业拆借市场利率不对称的尾部特征,测度了我国各类商业银行该项业务的市场风险和风险结构。 李成、马国校(2007） 许友传等(2007） 1、EVT极值理论（关注尾部特征，前提：独立同分布） 1、正态分布 2、学生T分布 3、GED分布 参数方法 改进措施 1.2 文献综述 MCMC 估计VaR EVT和GRACH 沪深股市的极值VaR测度 GARCH和SV 对比研究VAR EVT和正态，t分布对比 EVT在测量极端风险有极强的优越性 王春峰（2000） 封建强（2002） 余素红（2004） 魏宇（2008） 1.2 文献综述 问题：1、忽略独立同分布前提。2、缺乏规范的后验分析。 AR-GARCH模型 近似独立同分布的残差序列 AR-GARCH模型 近似独立同分布的残差序列 VaR 回测检验 1.3 文章创新 POT对残差序列极值分析 得出残差序列VaR和ES， 回代得出序列VaR和ES。 规范方法回测检验 检测同业拆借市场风险历史变动情况 2013年工作总结 写作背景 2.1 理论模型（1） 注：ESp定义为在一定的置信水平p下,某一资产或投资组合在未来特定时间内的损失超过VaRp的条件期望,它满足次可加性、齐次性、单调性、平移不变性条件,是一致性风险度量模型。 写作背景 2.1 理论模型（2） 写作背景 2.2 参数估计（1） 超期限期望图：（确定阈值u） 超限函数期望图为点(u,e(u))构成的曲线,选取充分大的u作为阈值,使得当x≥u时e(x)为近似线性函数。 （1）当x≥u时如果e(u)向上倾斜,说明参数ξ为正; （2）如果e(u)当x≥u时向下倾斜,说明数据来源于尾GPD分布。 在参数ξ1时,它的超限期望函数e(m)是一个线性函数②得到的: 写作背景 2.2 参数估计（2） 极大似然估计：确定 1. 2. 数据来源 处理软件 1996年1月5日至2008年9月17日我国同业拆借市场隔夜每日加权平均利率中的2705个观测值作为样本数据。（CCER中国经济金融数据库） Eviewes 5.0 3 实证分析 MATLAB2008a 平稳序列 一阶自相关（拖尾） 偏相关5阶截尾 收益序列GARCH模型估计 ADF检验与PP检验 3 实证分析（1） 自相关与偏相关 均值方程AR模型 OLS估计参数，1阶2阶差别不大，直接选取 1阶自回归模型，方差采用GRACH（1,1） 均值模型，方差模型（AR-GARCH) 3 实证分析（2） 尝试估计1阶，2阶自回归，残差分别设为正态分布，t分布，广义误差分布（GED） u1时，具有明显的帕累托分布 阈值U估计 3 实证分析（3） 根据公式计算得到各类模型所得到的残差序列的超限期望图。 GPD参数值 3 实证分析（4） 说 明 Embrechets(1999)认为，1/ξ应该在3-4之间，但是表中的却不符合，原因是AR-GARCH模型，过滤了，得到的残差序列在一定程度上消除了尖峰后尾现象，所以ξ估计值会偏小。 3 实证分析（5） 其中