基于kernel—copula函数的var-evcarexpocom.pdfVIP

2013年第2期 青所完 总第348期第32卷 基于Kernel—Copula函数的VaR术 王志刚 杨贵军 摘要：VaR是评估资产组合风险的有效手段之一。已有的VaR估计方法依赖于总体分布，且无法全面 描述不同资产间的风险相关性，导致风险常常被低估。为此，本文采用Kernel—Copula函数，估计资产组合 的VaR，提高估计结果的精度和可信度。最后，利用新方法估算沪深300和标普500构成的资产组合Vail．。 关键词 ：Kernel；Copula函数 ；VaR JEL分类号：C14，D81，C39 一 、 理论 回顾 2008年 由次债危机引发的全球性金融危机源起于市场最完善、金融体系最完全、金融市场运行最为规 范的美国。对于此次全球性金融危机爆发的原因，较为一致的看法是，金融产品的过度衍生与金融机构在 房产价格不断攀升背景下对住房贷款条件的放松。那么金融机构为什么会在房价运行在高位之时，无视 风险呢?我们认为，产生这一现象的一个重要原因是金融机构低估 了其持有金融资产的风险，低估的原因 可以归纳为两点：一是获取的样本不具有代表性；二是使用的估计方法没有准确的预知风险。对于第一 点，更多的是 由客观因素所决定，本文就不再展开讨论，下面针对第二点加 以讨论，以期完善现有的风险估 计方法 。下面我们就首先回顾一下现在广为流行的VaR风险度量技术。 (一1VaR的估计方法简介 1．VaR定义及其现行的估计方法 Jorion(2001)~@VaR定义为在正常的市场环境下，给定时间区间和置信度水平，测度预期最大损失的方 法，以此为金融的专业人士提供理解和应用风险控制体系所需要的全部信息。据此，资产收益率的VaR数 学公式为：Pr(AVa， 尺)一l—a其中：△ 为投资组合在持有期 内的损失；VaR为置信水平 a下处 作者简介 王志刚：内蒙古财经大学统计与数学学院教师，中国人民大学博士生在读 ，主要从事稳健统计、数据挖掘、精算 与风险理论研究。 杨贵军：天津财经大学理工学院教授，南开大学概率论和数理统计专业博士，主要从事试验设计 ，精算与风险 理论研 究。 感谢匿名评审人的建议和编辑的工作，文责 自负。 基于Kernel—Copula函数的VaR 于风险中的价值 。 在使用VaR值作为风险的度量时，首先要得到VaR的估计值。J．P．Morgan银行推出了基于VaR的风险 度量系统——RiskMetrics方法，该方法在正态分布假设下，给出了VaR的估算方法，由于正态分布的参数 估计简单易行，分布具有可加性，使得RiskMetrics方法被国外金融机构广泛运用。郑文通(1997)将该方法 引入中国，全面详细介绍了VaR方法产生的背景、基本性质、计算方法、实际用途及引入中国金融市场的必 要性。在实证和应用方面文章很多，张大凯等(2012)~J1用VaR模型研究了货币供应量对股票价格的影响。 2．VaR的优点和缺点 相对于其他风险度量方法：VaR提供了测量风险的共同语言；允许更一致和有效的内部风险管理、风险 头寸限额设定和评价；为外部监管提供了一种具备操作性的运行机制；给投资者提供了一种可理解的风险 评估工具(Schachter，1998)。VaR为银行提供 了一种对不同风险因子、不同金融工具和资产种类风险的统 一 测度标准。它能将金融机构面临的所有种类各异、形式多样的风险敞口加总为一个单一数字，便于理解 和比较，非常符合银行管理可视化的发展方向。 在将VaR模型用于实际时发现：实际资产的分布常常具有明显的尖峰和厚尾性，使其明显不同于正态 分布，因此不少学者在努力寻找更合适的VaR模型估算方法。此外，在研究资产组合时，RiskMetrics方法 具有另外一个缺点：该方法假定资产组合池内的资产问相关关系为对称线性的，这一点也被大量实证应用 证 明很难满足 。因此 ，国 内外很多学者针对 以上两 点不足提 出了一些改进方法 ，比如Butler和 Schachte(1996，1998)~Jf用高斯核估计的非参数方法提出了基于核估计的历史模拟法，并给出了VaR估计误