基于幂律型分布的动态VaR模型及实证研究.pdfVIP

V01．1 Issue 第16卷专辑 中国管理科学 6，Special 2008年10月 ChineseJournalof Science 2008 Management October， 文章编号：1003—207(2008)zk一0251—04 基于幂律型分布的动态VaR模型及实证研究 宋鹏燕，刘琼荪 (重庆大学数理学院，重庆400030) 摘要：针对金融资产回报时间序列的尖峰厚尾性和波动集聚性，提出了基于AR(1)一GARCH(1，1)模型与幂律 型分布相结合计算VaR的方法。用GARCH模型对时间序列建模刻画波动集聚性，用基于幂律型分布的扩展形式 拟合GARCH模型的残差分布尾部，刻画回报时间序列的厚尾特征，二者结合更好地描述回报时序的动态波动现 象。对上证综指进行实证分析，结果表明本文提出的方法比基于正态分布的GARCH模型和静态幂律尾法更精确。 关键词：风险价值；AR(1)一GARCH(1，1)模型；幂律尾；二阶矩估计 中图分类号：F830 文献标识码：A 模型的条件方差函数进行了拓展。针对条件方差中 1 引言 滞后的阶数为无穷的情况将条件方差表现为ARMA 风险价值即VaR是指在一定置信度(一般为的形式，即考虑了异方差本身的自回归。GARCH过 95％或99％)下某一金融资产在一定时间内的最大程有较长的记忆性且反映了波动集聚性，因此 可能损失。国内外研究表明金融资产回报时间序列 GARCH模型更适合描述金融时间序列的动态波动 的分布通常具有尖峰厚尾性和波动集聚性。为了捕 性。GARCH(P，q)模型的具体定义如下： 获金融资产回报时间序列的尖峰厚尾性和波动集聚 2 石l pf+占I 性，McNeil…、Bhattacharyya旧1提出将GARCH模型和 占一2矿ro一 (1) 极值理论相结合来估计VaR。然而用极值理论估计 p g 分位数时，不仅要对广义pareto分布的两个参数进行 盯；=a。+∑d以2一．+∑岛8乙， 2l 』21 极大似然估计，而且还要对门限进行确定，比较繁琐。 式中，茗。为收益率时间序列，p。为收益率时间序列 大量的实证研究表明金融时间序列的尾部具有 的条件期望值，z。为残差序列，口；=E(占；IQ川)表 幂律型特征。惠军等口1通过分析数据的Zipf幂律 示条件异方差，n川指在f一1时间所有可获得的信 指出上证指数收益率的尾部满足幂律型分布；卢方 息集合，其中ao0，aiI0(b1，…，P)，卢，≥0(，=1， 元一1深入研究了收益率尾部分布的特征并给出相 应的尾概率估计方法；桂文林等¨。在金融资产回报 …，q)且 1 1--GARC 分布的一、二阶扩展形式的基础上建立分位数的估 H(1，1)模型： 计并将Hill估计推广到二阶和多阶的情况。本文采