基于极值理论和贝叶斯估计的金融风险度量_0.docVIP

基于极值理论和贝叶斯估计的金融风险度量 　　【 论文 关键词】 金融 风险　极值理论　贝叶斯　MCMC 　　【论文摘要】本文研究用Bayes估计 计算 金融风险值,帮助投资者依据观测数据和信息对风险模型进行调整,使得风险模型能够更准确地反映出金融市场的风险状况,据此做出更加正确的投资决策。 　　近年来VaR和ES已经成为金融界广泛应用的风险测度方法。VaR(Value atRisk)即在一定的概率水平下,证券组合在未来特定一段时间内的最大可能损失。VaR的优点是将不同的市场因子、不同市场的风险集成为一个数,能准确测量由不同风险来源及其相互作用而产生的潜在损失,适应了金融市场 发展 的动态性、复杂性和整合性的趋势。但VaR本身存在一些不足,一是没有考虑到尾部风险,即损失超过VaR值的风险;其次,不是一致的风险度量下具。Aitzner(1997)提出了Expected Shortfall(ES)的概念, ES度量损失超过VaR的损失期望信度,它是一致的风险度量下具。目前国内大多数投资者还是直接投资于股市,而个股的波动性远远大于股指的波动性,因此,极值VaR和ES对于个股的研究是很有意义的,本文尝试使用POT模型来估计我国股市中单个股票的VaR和ES。 　　1　基于POT模型的VaR和ES 　　极值理论是测量极端市场条件下风险损失的一种常用方法,它具有超越样本数据