金融资产回报的波动性与相关性推荐.ppt

第三节 金融资产回报的波动性与相关性 金融风险是由于金融价格的波动引起的，风险测量的核心是价格波动性的估计与预测. * * 其中A是一年中观察值得个数。 可以用相关系数来描述两个序列X、Y之间的内在联系 其中 表示回报序列X的标准差， 表示回报序列Y的标准差， 表示两者的协方差， 在多变量的情况下，波动性和相关性的估计可以归结为一个协方差矩阵的估计，假定有n个回报序列 一、波动性与相关性的含义与度量 价格的波动性是指未来价格偏离其期望值的可能性. 有利和无利的偏离. 金融学中, 一般常用标准差来描述波动性。 在正态分布的假设下，可将日(周/月)回报率等的波动性转化为年波动率, 即时间t的年波动率= 表示两者的相关系数。 则方差协方差矩阵为 1、与正态分布相比，回报时间序列数据的实际分布在尾部明显更厚，而中间腰部更细更尖，即通常所说“尖峰厚尾性”。 2、回报的波动有的时期很大，而有的时候很小，呈现出积聚性和爆发性 3、价格运动与波动性是负相关的，负的回报要比正的回报导致更大的条件方差，这种现象被称为杠杆作用 4、回报的波动性表现出持久性，即对波动性的冲击需要持续一段时间才会消失。 二、实际金融数据的一些基本特征 （一）、简单移动平均方法 假定产生的回报序列的随机过程是独立的同分布的，并且在计算中采用等权重的移动平均，则有 5、均值回复现象，回报的波动性受到金融资产期限长短的影响，并且随着时间的推移，波动性呈现出向某个长期平均收敛的趋势。 6、回报序列呈现出明显的自相关性 （/view/9ffcf42e0066f5335a812120.html） （样本方差） 若 则可以用下面的估计式 三、移动平均法 相关性的估计式：若X、Y是两个回报序列， 表示时间T时过去n期X、Y的相关性，有 注释： 1、优点：采用了最新的历史数据来预测波动性，且公式简单 2、缺点：简单移动平均方法采用的是等权重的移动平均，当市 场出现了极端事件时，简单移动平均认为它对当前的估计是同等重要的，会出现“幽灵现象”或“回声现象” （二）、指数移动平均 的n期指数平均定义为 一个时间序列 当 时， J．P．摩根的风险矩阵方差的估计为 协方差估计为 对（1）式取 有 注：降低了“幽灵现象”，同时也捕捉了波动“聚集性”，对于 的估计通常采用平均误差最小原则（RMSE），即选取使预测的 均方误差最小的 值。