金融风险理论第4章讲稿.pptVIP

金融风险理论 第4章 波动率方法 单个资产的风险度量 假设某种金融资产收益率r 为随机变量，其预期收益率即数学期望为μ ，标准差为σ。 σ 也称为波动系数，可反映资产收益率r 偏离于其预期收益率即数学期 望μ 的幅度。所以，我们可用标准差σ来计量该资产的风险。 σ越大，说明该资产收益率的波动性越大，从而面临的市场风险越大。 σ越小，说明该资产收益率的波动性越小，从而面临的市场风险越小。 波动率的定义 某个变量的波动率σ定义为这一变量在单位时间内连续复利收益率的标准差. 假设Si为市场变量的时间i的价格，每天的波动率为 的标准差. 研究证明在交易所开盘交易时的波动率比交易所关闭时的波动率要大很多，因此，当由历史数据估计波动率时，分析员常常忽略交易所关闭的天数，在计算时通常假定每年有252个交易日. 年波动率是日波动率的 倍. 方差被定义为波动率的平方. 隐含波动率 期权公式中唯一不能直接观察到得一个参数就是股票价格的波动率。 隐含波动率是交易员从期权价格隐含反推计算出的波动率。 汇率的日变化量是否服从正态分布 肥尾性 汇率的每日变化量并不服从正态分布。 所服从分布的尾部比正态分布的尾部要肥大； 其峰值要比正态分布的峰值要高。 肥尾分布所对应的极大及极小变化数量事件比在正态分布中相应数量要多。 很多市场变量都有这种被称为肥尾的特性。 正态分布和肥尾分布 正态分布的代替：幂律 Prob(v x) = Kx-a K和 为常数。 在分析很多市场变量的收益行为时，幂律似乎要比正态分布更好。 因此可以画出ln[Prob(vx)]与lnx的关系曲线来快速检验等式的正确性。 对应于汇率增量的log-log图 估计波动率的标准方法 定义sn为第n-1天所估计的市场变量在第n天的波动率。 定义Si 为市场变量在第i天末的价格。 定义第i天连续复利收益率 波动率等于连续复利收益率的标准差 简化形式 定义 假定 的均值 为0； m-1被m代替； 于是方差公式简化为 加权权重的格式 对等权重进行改进 其中 ARCH（m）模型 在ARCH（m）模型中，我们也给长期平均方差 设定权重： 其中 指数加权移动平均（EWMA）模型 在指数加权移动平均模型中，其权重随着回望时间加长而按指数速度递减 因此，更新波动率的公式为 EWMA的诱人之处 需要的数据相对较少。 仅需记忆对当前波动率的估计以及市场变量的最新观察值。 对波动率进行跟踪监测。 RiskMetrics采用λ=0.94来更新每天波动率的估计。 GARCH（1,1） 在GARCH（1，1）中，我们赋予长期平均方差一定的权重 因为权重之和为1，故有 令 ，可以将GARCH（1,1）模型写成 其中 这种模型的表达形式是为了估计参数。 例10-8 若 每天长期平均方差为0.0002，对应的波动率为1.4%。 假设对应于n-1天的日波动率估算值为1.6%，n-1天市场价格降低1%。 则第n天的方差为 新波动率的最新估计为每天1.53%。 GARCH（p,q） 广义模型GARCH(p,q)中历史波动率要用最近的q个，观测值要用最近的p个，因此有 其它模型 许多其它的GARCH模型已被提出。 比如，我们可以设计一个GARCH模型，使其赋予 的权重依赖于 的正负值。 方差目标 一种估计GARCH（1,1）参数的很好方法是所谓的方差目标。 将长期平均方差设定为由数据计算出的抽样方差。 模型只需要估计两个参数。 最大似然估计法 参数估计方法 巨估计法 极大似然估计法 选择合适的参数使得数据发生的几率达到最大 构造似然函数 对似然函数取对数 对参数求导，并令其等于0 解方程得到参数的最大似然估计 例1 随机抽取某一天10只股票的价格，我们发现一只股票价格在这一天价格下降了，而其它9只股票的价格有所增加或至少没有下跌，将任意股票价格下降的概率计为p。那么，一只股票价格下降的概率的最好估计为多少？ 概率为 。 使上式取最大值，观察其最大似然估计：p=0.1。 例2 估计常数方差 估计一个变量服从均值为0的正态分布的方差 对 求导，并令导数为0，得： GARCH（1,1）的应用 在方差一定的条件下，ui的条件分布为正态分布。 选择参数，最大化下式 其中 日元汇率数据的计算 日元/美元日波动率：1988-1997 EWMA