var2cms和es的贝叶斯经验似然估计.pdfVIP

广西师范大学硕士学位论文：VaR，MS和Es的贝叶斯经验似然估计 1．2．2风险估计方法 andSo【1 一般参数的估计分为参数方法和非参数方法．wang and 型的参数方法v报进行估计．FaIl and and Lo【141(2000)用非参数方法对v，淑进行估计．Jeong a11d 分位数时的非参数估计方法．Wd Kouand and 果．Scaillet㈣(2004)用非参数估计对ES进行研究．YaIlgYu㈣(2006)运用插入法构造积 and 的方法．Bavsal 模型，非参数方法解决了这个问题．上述非参数方法只用到了样本信息，如果我们积累了一 些历史信息，那么是否可以考虑把它跟样本信息结合起来进行统计推断呢? 经验似然方法具有参数方法的许多优良性质，同时它又具有参数方法没有的优越性， 如总体分布未知时也能应用．但经验似然同时也存在一些问题，如凸包解问题．为了解决 and and 这个问题，Chen，Variyath 息，那么得出的估计就更加准确．贝叶斯方法把先验信息跟样本信息结合起来，充分地 利用已有信息，进行统计推断．为此，把贝叶斯方法跟经验似然结合起来，成为自然之举． and Lazar㈣(2003)提出贝叶斯经验似然方法，并把它用于期望的推断．YangHe㈣(2012)把 and 贝叶斯经验似然用于分位数回归估计．Rao Wu【28j(2010)把贝叶斯经验似然用于复杂抽 样．本文拟用贝叶斯经验似然对VaR。MS和ES进行估计． 1．3本文的主要研究内容和结论 本文主要讨论贝叶斯经验似然方法的性质以及利用贝叶斯经验似然方法估计风险度量 模型的计算问题．我们先介绍论文的主要内容和思路，然后给出论文框架，最后给出论文的 研究成果． 1．3．1论文研究的主要内容和思路 本文利用贝叶斯经验似然方法对VaR，MS与Es进行估计，并讨沦其相应的极限性质．我 们先论述研究的背景，总结前人的工作，把贝叶斯和经验似然结合起来，用于Ⅵ叹，MS与ES， 并证明它的极限性质，最后通过模拟比较贝叶斯经验似然方法与经验似然方法的优劣． 第3页 r“西师范大学硕士学位论文：VaR，Ms和Es的贝叶斯经验似然估计 1．3．2论文的书写框架 本论文的书写安排如下：第二章回顾贝叶斯经验似然理论．第三章讨论如何利用贝叶 斯经验似然方法估计vaR，MS与ES置信区问．并证明相关定理．第四章进行模拟比较．第五 章对所研究问题进行总结和展望． 1．3．3本文的主要研究成果 本文的主要研究成果归纳如下： 1．利用经验似然跟贝叶斯方法结合起来，对V水，MS与ES进行估计，同时得出相应的极 限性质．对经验似然部分采用平衡经验似然，即加两个虚拟样本点，解决凸包外无解问题． 2．模拟显示，在先验信息准确的情况下，贝叶斯经验似然估计的覆盖率与经验似然差不 多，但置信区间平均长度要比经验似然的短．在较小样本情况下，覆盖率和置信区间平均长 度都优于经验似然方法．先验信息提取错误时，贝叶斯经验似然方法的覆盖率较低． 3．在实际应用中，如果历史数据和生活经验已经给我们提供一些较为准确的信息，那么 可以利用本文方法对VaR，MS和ES进行估计． 第4页 广西师范大学硕士学位论文：vaR，MS和ES的贝叶斯经验似然估计 第二章 贝叶斯经验似然 为行文方便，我们先回顾经验似然，然后引出贝叶斯经验似然． 设X17|一，