基于MRSARCH模型的VaR汇编.docVIP

基于MRSARCH模型的VaR 江孝感 万 蔚 朱涛 东南大学经济管理学院，江苏南京，210096 【摘要】为了用更精确的方法计算VaR，本文用上海证券交易市场的日收益率为样本，采用MRSARCH模型并对其进行参数估计，将参数估计结果与GARCH、TARCH、EGARCH模型的估计结果进行了比较，发现MRSARCH模型极大的改善了对收益率序列的描述，且估计的波动持续性要远远小于传统的GARCH类模型，能更好地刻画金融时间序列的波动性,在此基础上用MRSARCH模型的估计结果计算上证综合指数日收益率的VaR值，并与基于GARCH、EGARCH计算的VaR进行统计比较, 结果显示只有基于MRSARCH模型的VaR是有效的。 关键词 MRSARCH、GARCH类模型、波动性、波动持续、VaR 中图分类号 F224 文献标识码 A 一、引 言 金融风险测度，是金融风险研究中日人们普遍关注的问题。Markowitz 1952年发表《资产选择》一文然而，方差作为风险的度量指标并不是完美的，只是一种近似，有时候甚至是没有意义的。首先，方差作为风险的度量指标要求资产收益的分布是对称的。否则，收益分布是不对称的，方差指标就没有意义。，两种资产收益分布的均值和方差都是相同的，但是一种资产收益是左偏的，一种是右偏的。显然，即使们的方差是相同的这两种资产的风险是不同。因为，对于风险而言，相对于大概率小损失而言人们更加厌恶小概率大损失的情况，后一种情况人们远大于第一种情况。从这个意义上讲，收益分布左偏的资产的风险水平要大于右偏的资产。此时，方差作为风险的度量指标就不是的，还要考虑峰度，偏度等指标。而现代金融计量经济学表明，大量的金融资产的收益分布都是不对的，这就给方差的使用带来了挑战。另一方面，方差作为风险的度量指标，没有考虑到人们对于损失和益的不同感受。一般情况下，对于相同的损失和收益，损失收益人们。而方差指标对损失和收益作了相同处理，没有体现出这种对称性，即人们更关心损失。金融经济学家一直都在致力于金融产品收益和风险度量的研究，并行成了许多成熟的度量评价方法(特别是对风险的度量)。在1959年阐述了均值—方差分析的局限性。作为一种风险度量方法，方差法可能会与投资者的偏好结构以及证券和投资组合的回报率分布状况发生脱节，使得均值—方差所带来的信息无法充分区分不同的收益分布状况。种计算风险的方法1991年Harlow提出了LPM(lower partial moments)指标来度量风险。LPM理论几乎涵盖了所有人的风险厌恶程度：从风险偏好到风险中性，再到风险厌恶。 （1） 其中表示资产在第t期的收益，表示显著性水平，表示第t期在显著性水平下的VaR值。 VaR直接刻画在一定显著性水平下损失风险的大小，它的量纲为价值单位，因此有明确的经济意义，具有很好的操作性。 如假设 ，则有 （2） 其中为标准正态分布的上侧水平分位数。 对上式变换有： （3） 因此，当收益的条件分布为正态时，是的线性函数。 自从VaR方法用于测量交易性证券市场风险以来，在巴塞尔银行监管委员会和国际证券委员会组织技术委员会的推动下，VaR方法已经得到了广泛的应用，成为许多金融机构防范金融风险的第一道防线，以及监管机构的金融监管工具， 甚至还可用于设定市场风险的限额，测定风险模型有效性及评价绩效等方面。 三、VaR的计算方法 不难看出VaR研究的核心是对资产收益的条件分布概率密度进行分析，利用历史信息集对未来的收益分布进行预测，目前常用的有两种方法： 一是将资产价格表示为市场因子的函数，借助资产定价模型把市场因子映射为资产价格。计算VaR时，首先对标的资产价格进行盯市（market to market）,利用市场因子计算标的的资产价格，预测市场因子未来的概率分布，并利用资产定价模型得到未来标的资产价格的概率分布，从而得到该资产的VaR值。 二是直接计算未来资产收益的分布，即直接估计收益分布密度函数。这种方法不需要借助资产定价模型，二是借助时间序列建模工具来研究资产价格的波动特征。 因为这两种方法都需要对变量（市场因子或资产收益）未来的概率分布进行预测和分析，所以对于时间序列的波动特性进行定量建模研究是VaR研究中的核心部分。目前波动性建模的两类主流工具是GARCH类模型和SV模型，但是这些模型都没有考虑金融时间序列的变结构现象，在对波动的刻画方面不够精确。而前文介绍的MRS族波动模型正好能解决这个问题，Hamilt