R软件及其在金融定量分析中的应用-CH07.pptxVIP

R软件及其在金融定量分析中的应用主编：许启发、蒋翠侠制作：王侠英、侯奇华2014年10月编写第一章 分位数回归与VaR(ES)计算第一节 VaR与ES的计算第二节 分位数回归与VaR(ES)计算第三节 VaR(ES)的极值方法第四节 习题第五节 参考文献第一节 VaR与ES的计算VaRVaR的定义VaR是指一个特定的金融资产或资产组合，在特定的持有期内，在一定置信水平100(1-τ)%下，其面临的最大可能损失。损失和收益的关系可以由图7-1表示，其中右侧的实线表示损失，左侧的实线表示收益。R代码演示如下： 第一节 VaR与ES的计算VaRVaR的定义 图7-1 损失和收益的关系第一节 VaR与ES的计算VaRVaR的定义影响VaR计算的几个主要因素上尾部概率τ持有期 Δt损失的累积分布函数金融头寸的资产价值 需要注意的是，空头头寸与多头头寸在实际分析过程中有明显不同。 第一节 VaR与ES的计算VaRVaR的性质单调性：如果 L1≤L2 在任何情况下都成立，则 VaRτ(L1) ≤ VaRτ(L2)正齐次性：对于任意正数 h ，有 VaRτ(hl) ≤ hVaRτ(L) 平移不变性：对于任意一个固定的常数α，有 VaRτ(L) ≤ VaRτ(L) + α不满足次可加性第一节 VaR与ES的计算ESES的定义对于金融资产损失函数 L ，在VaR的基础上，可以给出置信水平 100(1-τ)% 的ES定义如下 ES1-τ(L) = E [ Lt | Lt VaR1-τ(L) ] (7.2)ES的性质ES不但满足单调性、正齐次性、平移不变性，而且还满足次可加性，是一致性风险测度。第一节 VaR与ES的计算RiskMetrics模型与VaR和ES的计算RiskMetrics模型表示RiskMetrics模型可以表示为 式中，εt 服从标准正态分布，σt2 服从一个无漂移的IGARCH(1,1)模型，λ为权重参数，RiskMetrics推荐选 λ= 0.94 。第一节 VaR与ES的计算RiskMetrics模型与VaR和ES的计算基于RiskMetrics模型的VaR计算 (7.3) (7.4) (7.5) (7.6)第一节 VaR与ES的计算RiskMetrics模型与VaR和ES的计算基于RiskMetrics模型的VaR计算 (7.7) (7.8) (7.9)第一节 VaR与ES的计算RiskMetrics模型与VaR和ES的计算基于RiskMetrics模型的ES计算当 rt 服从条件正态分布时，持有期为1天的VaR可以表示为 VaR1-τ= z1-τσt+1 ，则持有期为1天的ES为 (7.10)例如τ=0.01 时，ES0.99 = 2.665σt+1 。当持有期为 l 天时，有 VaR1-τ (l)= z1-τσt+1 l? ，因此可以求出相应的ES为 (7.11)第一节 VaR与ES的计算RiskMetrics模型与VaR和ES的计算案例分析例 7-1：考虑APPLE公司股票1989-12-01到2013-11-30的日对数收益率，假定其条件均值为0，条件方差服从无漂移的IGARCH(1,1)模型，权重参数 λ= 0.94 ，则当上尾概率τ=0.05 时，在R软件中使用rugarch包求出多头头寸持有期为1天和5天的VaR和ES。R代码演示如下：第一节 VaR与ES的计算RiskMetrics模型与VaR和ES的计算案例分析 图7-2 APPLE公司股票1989-12-01到2013-11-30的价格与交易的时序图第一节 VaR与ES的计算RiskMetrics模型与VaR和ES的计算案例分析由于对数收益率乘100，可求出以下结果： 持有期为1天时，相应的VaR为0.021，ES为0.026。 持有期为5天时，相应的VaR为0.047，ES为0.059假定一个投资者持有苹果公司的股票价值为100万美元，则该投资者持有期为1天的VaR为1000000*0.021美元=21000美元，ES为1000000*0.026美元=26000美元，持有期为5天的VaR为1000000*0.047=47000美元，ES为1000000*0.059美元=59000美元。第一节 VaR与ES的计算GARCH模型与VaR和ES的计算GARCH模型表示根据第六章中GARCH模型的相关内容，某金融资产的日对数收益率 rt 的一般时间序列模型可以表示为 (7.12) (7.13)第一节 VaR与ES的计算GARCH模型与VaR和ES的计算基于GARCH模型的VaR计算根据式(7.12)和式(7.13)，可以得到日对数收益率rt 的条件均值和条件方差的向前一步预测，即可以得到 (7.14) (7.15)第一节 V