第六章 市场风险的测度-VaR.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 四、正态分布的混合（ Mixture of Normals）(应用！) 计算VaR 另一个常用的方法是假定每一个阶段，收益率都以某种概率服从一种正态分布或服从不同参数的另一个正态分布，这种情况下，收益率的分布称为正态分布的混合“mixture of normals”。 不幸的是，这种分布没有好的性质，因此计算VaR时的分界点价值只能进行数值计算。下面，我们讨论两种流行的模型： 1、 Jumps 模型（跳跃模型）? 设收益率服从正态分布，且方差为常数，但是每一阶段（时期），都有可能出现跳跃的情况，但出现的概率是小概率。 例如，下列模型是非常流行的： 1、 Jumps 模型（跳跃模型）? 其中， 即时刻t的收益率总是等于R, 它服从正态分布，但每一个时期，都存在一个影响收益率的大冲击（跳跃） ，其出现的概率为p 。 这种结构意味着收益率的实际分布具有厚尾性。 2、状态转换模型（Regime Switches） Jumps 模型隐含着收益率的时间序列中出现远离均值收益率的极端值。虽然人们认为1987年的股灾是这种情况的一个例证，但这个模型不能解释易变性变化的持