基于广义帕雷托分布理论VaR与ES度量研究.docVIP

基于广义帕雷托分布理论VaR与ES度量研究 　　摘 要:本文主要围绕风险价值度量金融市场的风险,并介绍了作为VaR度量手段的一个补充预期不足,然后基于极值理论建立了两者的风险度量模型。 　　此外,本文还将基于极值理论的风险度量方法应用到我国证券市场,通过对上证指数日收益率的实证分析解决现实经济中存在的问题,并将实证分析与模型检验相结合,进一步评估了风险度量模型的有效性。 　　关键词:风险价值(VaR);预期不足(ES); 极值理论(EVT);广义帕雷托分布(GPD) 　　 　　一、研究的背景及研究现状 　　 　　巴林银行、长期资本管理公司等一系列因承担市场风险而发生巨额损失甚至倒闭的案例,使得无论金融机构还是监管机构都日益重视导致灾难性后果的金融风险的管理。为使风险管理体现客观性和科学性,金融风险管理多采用定量分析技术,大量运用数理统计模型来识别、度量和监测风险。VaR模型正是这样一种定量工具,在金融风险控制、业绩评估以及金融监管等方面VaR被广泛运用。 　　极值理论已经成为概率论里的重要分支之一,许多学者对极值理论进行了大量的研究工作。Anderson(1971),de Hann and Hordijk(1972),Goldie and Smith(1987)等人给出了极值的大偏差理论,Davis(1982) , Hall(1979) ,Hall and Wellner(1979) , Cohan(1982) , Smith(1982)等人给出了极值收敛律的一致收敛率,谢盛荣(1996)将其推广到最大值序列关联某个确定分布的情形。许多学者对高斯序列(过程)的极值进行研究,Berman(1964) , Mittal and Ylvisaker(1975)给出了独立同分布高斯序列极值的结果,Cuzick(1981),Braeker(1993)、Piterbarg(1996)等人对非平稳高斯过程进行T研究,Hiisler and Reiss(1997)对高斯三角组列极值进行了研究。朱国庆等人(2001)总结了前人的研究成果,对极值理论的应用性作了很好的综述。 　　 　　二、VaR和ES风险测度模型 　　 　　从数学的观点来看,作为度量极值风险测度的VaR,仅仅是在一定持有期内组合投资损益分布的一个分位数,假设损失分布函数为F,置信水平为q,选定的范围是0.95≤q1。 　　则VaR可以表示为: 　　当F的密度函数为连续函数时,VaR也可以表示为: 　　其中F\+??-1??表示函数F的逆函数。 　　定义VaRq为在q的概率水平下的风险价值,由上式可以得到VaRq的表达式: 　　预期不足ES和VaR通过下式联系: 　　上式的第二项是将VaRq当作阈值的超额分布Fv(y)的均值。我们的模型中超过阈值u的超额分布有很好的稳定性,如果我们给出更高的阈值,比如说对于时的阈值VaRq ,那么更高阈值的超额分布也是个具有相同形状参数的GPD,但是尺度参数是不同的,即 　　 　　上式的优点是我们对大于VaRq,的超额损失有个简单精确的模型。通过这个模型,我们能够计算出超过VaRq的损失的许多特征。我们注意到上式中分布的均值是 　　同样地,当我们假定1时,我们能够计算预期不足,我们发现, 　　这个比率是值得考察的,它与具有无限右端点的潜在分布有些相似。在这里,这个比率很大程度上是由因子1/(1-ξ)决定的。上式右端的第二项在概率q接近1时变得越来越小。这样渐进的现象强调形状参数在尾部估计中的重要性。它决定着在损失分布的极值领域中,这两种度量有什么不同,很容易得到预期不足的估计式, 　　 　　 　　三、极值方法在VaR度量中的应用及检验 　　 　　(一)极值方法在VaR度量中的应用 　　极值方法是一种尾部估计的参数方法,本文以帕雷托分布(GPD)为例介绍极值方法在VaR度量中的应用。 　　由于VaR可以被定义为可能损失分布的第p分位数(一般选取p值等于0.05或0.01),即VaR=f\+??-1??(1-P)。 　　根据极值理论,对定义的e=x-u,即极值点超过阈值的额度,Fu(e)的渐进形式就为: 　　其中 。上式被称为广义帕累托分布,其密度函数 　　令{ei｝\+ni=1表示超过阈值点额度的样本,样本规模为n,可以通过最大化似然函数 　　 　　估计θ=(ξ σ)′,旦估计出=( )′,就可以通过以下方法估计VaR(α)。 　　又[1-F(u+e)]=[1-F(u)][1-H(e)] 　　根据上式,通过令[1-F(u+α)]=α,[1-F(u)]=\S〗Nun\s,使用上面提到的分布函数H[VaR(α)],得到风险值估计式为: 　　其中,T是全部的样本点数,n是超过阈值的