光华讲坛社会名流与企业家论坛第766期.docVIP

光华讲坛——社会名流与企业家论坛第766期 主讲人：西南大学统计系主任彭作祥教授 主 题：“极值理论及其在VaR中的应用” 主持人：统计学院谢小燕教授 时 间：10月12日（星期五）下午3点正 地 点：光华校区光华裙楼2203教室 主 办: 统计学院 科研处 一．理论提出的背景 1．荷兰大约40%的陆地是在海平面以下的，很容易出现倒灌现象,如何用收集到的1877个数据去估计堤坝应修多高才能挡住洪水； 2．在股市交易中有没有除GARCH模型之外的其他方法知道尾数的性质； 3．在极值估计与预测主要有经验方法、GARCH模型、极值理论三种方法。 二．极值理论 为了解决前面提到的问题，我们考虑以下的问题： 是独立同分布的随机变量，共同的分布函数未知，，，是顺序统计量，如果存在常数,,非退化分布函数 （2.1） 相关问题：（1）的形式？（2）的性质？ 下面有两个相关的定理 定理1：若（2.1）成立，必须形如，，是极值指数。(2.1)意味着。 定理2：令,(2.1)式成立当且仅当存在函数，使得 （2.2） 三．指数参数指数渐进性 对于上述的定理 Hill（1975）提出[Ann.Statist]的估计量 （3.1） Pickands (1975)提出对[Ann,Statist]的估计量 （3.2） Dekkers和de Haan(1989)对生成作矩估计 （3.3） 其中。 虽然三种估计量提出了，但都不去研究它们的性质。 Aless（2001）做了位置不变的Hill估计量 Aless（2001）能得到比较精确的估计量，如果建立最小平方误差1-很小，则则其估计很好。 对于生成的，我对Pickands的估计做了推广 其中， ；如果，我们给出简化的Pickands型的估计 这在很多论文里都没有给出。 通过上面的理论大家可以看出没有哪种估计比更好！在中考虑中产生一个，其估计量是 (3.4) 通过（3.4）得到的反解即为的估计量。 基于族方法Qi（2007）给出一种Hill型的尾数指数估计 Qi（2007）的估计量一下子能看出它的方差，理论性质非常好。我的研究生现在在考虑另一种估计量 对于它的强相关性现在还没有解决。 四．大分位数估计 定义，注意， 的估计量是 大分位数主要是对于很小怎么把分位数找出来的问题，我的学生现在做的研究把所有的可能性都考虑了。 五．几乎处处大数定理 考虑为i.i.d，，i.e 存在常数，如果那么 我的学生在研究中，同时把向量高斯序列推广到非平面的高斯序列。 六．用VaR估计与预测 步骤1:数据分析； 步骤2:找出合适的临界点； 步骤3:估计尾数指数； 步骤4：假设检验。 估计公式 预测公式 通过三个图证明我们的结论比较好，用GARCH模型预测对其反应是很强烈的，即对波动作出很大的反应。 七．极值理论相关问题 （1）前面讲到的估计 是怎么样的； （2）基于Qi的Hill型估计，提出位置不变的Hill或Moment型估计； （3）ASCLT在自然数列的部分和与最大值的结果是怎么样的？ （4）在极值理论的基础上怎么检验log-return的密度的渐进性； （5）GARCH模型是如何反映尖峰、厚尾、厚尾现象等的特征的。