3.1VaR与ETL之估计方法.PDFVIP

第三章 研究方法 本章將介紹研究方法，在第一節的部分，介紹計算VaR 與ETL 之估計方法， 第二節會介紹檢定 VaR模型正確性工具回顧測試- (Back Testing) 。 3.1 VaR 與ETL 之估計方法 在上一章已說明 VaR的衡量基礎，而在實際計算上，衡量模式主要可以方 為下面兩類： (1)局部評價法 (Local Valuation) ： 此類型之模式為先對未來報酬分配的參數進行估計，在利用該參數配合統計 上分配臨界值的觀念來計算風險值，如Delta-Normal模型、Delta-GARCH模型 及 Gamma-Normal模型等。 (2) 完全評價法(Full Valuation) ： 此類型模式則不需要簡化現實的模型來估計風險值，而是採用真實分配，或 是對報酬尾部分配的情境設計以模擬未來價格路徑，並利用模擬所得的價格資料 找出報酬分配求算風險值，如歷史模擬法、蒙地卡羅模擬法、拔靴法等。 由於局部評價法適用於常態分配，為線性方法，實務上與其假設有所不符， 因此本文選擇使用完全評價法中的歷史模擬法與拔靴法來衡量 VaR 與ETL 。 3.1.1歷史模擬法(Historical Simulation) 在計算投資組合風險值時，經常假設標的的資產符合常態分配或符合某一 特定分配，但許多實證研究發現資產報酬的分配會產生跳動或厚尾的現象，並不 符合常態分配的假設，而歷史模擬法在計算風險值時，無須任何分配的假設，僅 13 使用過去市場的資料來計算風險值。 歷史模擬法將過去的價格時間順序資料應用在目前的投資組合中，配合目 前的持有部位，重新建構資產未來報酬值分配，再經過由小至大的順序排列下， 依百分位數求得特定信賴水準下的風險值。 求算VaR 與ETL的做法是： 步驟一：我們先利用各資產過去的歷史價格變動量，配合目前各資產的價格，估 計出未來價格模擬值路徑。 步驟二：將步驟一所求得的各資產價格模擬值依目前持有資產部位的權重，重新 計算出投資組合的價值。 步驟三：將所建構得未來投資組合價值，由小到大依順序排列，在給定某一信賴 水準 (1-α α )下，我們以q 代表投資組合報酬分配的第 個百分位之值，則 q即是 α α 所求之 VaR 。 步驟四：求出VaR 之後，計算報酬分配中所有損失比 VaR 大的值再將其取期望 值，則所求之期望值即為 ETL 。 歷史模擬法是假設未來報酬會循過去的歷史趨勢重演，而使用此法的條件 是所需的歷史資料筆數必須夠多，才能較接近過去的實際情形，模擬出來的未來 報酬值也更具意義。歷史模擬法的優點在於：在使用歷史模擬法時，此法利用歷 史資料，可以精確的反應各風險因素的歷史機率分配，沒有對報酬率做出任何假 設，也沒有假設序列獨立，因此，此法可以處理非線性、非常態分配資產分配的 問題，而且並未排除分配可能具厚尾現象的特性。 但歷史模擬法也存在一些缺失： 14 (1) 它給予所有觀察值相同的權重，高估了久遠事件的影響力，也低估了近期事 件的影響。 (2) 如果投資組合中加入了新的資產，在這些新加入的資產歷史資料不足下，觀 察期長度可能需要配合縮短，但歷史資料不長的影響則是估計誤差會變大。 (3)使用歷史模擬法的前提是認為歷史資料能不偏的反應未來的狀況，所以當歷 史資料有偏差或未來報酬分配有極端值出現時，使用歷史模擬法估計出來的 風險值，將會產生誤差。 (4)若選取的樣本過少時，可能會導致歷史模擬法計算結果估計誤差過大。本研 究將會把觀察的移動窗口長度分為 1000日、 500日、 250日，探討不同移動 窗口下對 VaR估計的影響。 3.1.2 拔靴法(Bootstrap Method) 傳統拔靴法是由 Efron(1979)年提出的，它是從有限的樣本中隨機重複抽 樣，