基于极值分布理论的VaR与ES度量.docVIP

PAGE PAGE 8 基于极值分布理论的VaR与ES度量 本文得到2002年教育部重大项目（02JAZJD790007）、吉林大学经济分析与预测哲学社会科学创新基地资助 孔繁利 胡铮洋 陈守东 （吉林大学数量经济研究中心，吉林大学商学院，吉林 长春 130012） 摘要：本文应用极值分布理论对金融收益序列的尾部进行估计，计算收益序列的在险价值VaR和预期不足ES来度量市场风险。通过伪最大似然估计方法估计的GARCH模型对收益数据进行拟合，应用极值理论中的GPD对新息分布的尾部建模，得到了基于尾部估计产生收益序列的VaR和ES值。采用上证指数日对数收益数据为样本，得到了度量条件极值和无条件极值下VaR和ES的结果。实证研究表明：在置信水平很高（如99％）的条件下，采用极值方法度量风险值效果更好。而在置信水平在95％下，其他方法和极值方法结合效果会很好。用ES度量风险能够使我们了解不利情况发生时风险的可能情况。 关键词：极值分布；在险价值（VaR）；预期不足（ES）；GARCH模型 中图分类号：F830.91 文献标识码：A 一、引言 在当前的金融创新环境下，市场风险成为现代金融机构管理和监管的重点。90年代中叶发生的几起震惊世界的银行和金融机构危机大案，如巴林银行、大和银行的破产使得人们对市场风险更加关注。一些著名的国际大银行开始研究、建立自己的内部风险测量、资本配置模型，以补足巴塞尔协议之不足，如RiskMetrics系统、RAROC系统。VaR（Value at Risk）成为市场风险测量的主流方法。RiskMetrics-Technical Document(1996)和Dowd.K(2002)提出VaR是度量风险的核心手段。一般来说金融资产收益的分布都是厚尾、尖峰分布，而现有的分布，尤其是广泛应用的正态分布，都与实际金融收益分布存在着较大的差距。极值理论中的ＰＯＴ模型仅考虑分布尾部，而不是对整个分布进行建模，这就避开了分布假设难题，并且极值理论可以准确地描述分布尾部的分位数，这有助于处理风险度量中的厚尾问题。 极值理论研究多应用在科技、工程等领域。随着理论的日益完善，Jenkinson把该理论应用于极值风险研究，建立了广义极值分布(Generalized Extreme Value Distribution)模型，Pickands等证明了经典的极限定理，该定理指出对超额数分布函数可以用广义Pareto分布拟合，为80年代、90年代完善建模做出了巨大贡献。Longin开辟了将极值理论用于风险管理的先河。Longin（1996）考察了美国股票市场的极端变动，用极值理论以超过一个世纪之久(1885～1990 年) 的每日观察值为样本，给市场回报的极端变动建模。从此以后，一些学者将这一方法用于其它股票市场，得到了很好的结果。Kearns（1997）在样本数据相依情况下，对金融时间序列进行了研究，为进一步进行金融风险研究提供了建设性意见。Longin（2000）系统而详细地介绍了用极值理论计算VaR 的方法。Ho（2000）应用这一方法研究了处于金融危机中的六个亚洲国家和地区的股票市场。Artzner提出尽管VaR是测量风险的有用手段，但它本身也存在一些不足之处：一是没有考虑到尾部风险，即没有衡量高于VaR值的损失发生的可能性;二是它不满足次可加性(sub-additive)，因而不是一致的(coherent)风险度量工具。为弥补这些缺陷，Artzner et al（1997，1999）提出了期望损失模型ES（Expected Shortfall），ES模型度量的是损失超过VaR水平的条件期望值。ES是在VaR概念基础上衍生出来的风险度量工具，它弥补了VaR不满足次可加性、没有考虑到尾部风险等缺陷，更接近于投资者真实心理感受。国内在极值领域方面的研究只是近几年的事情：朱国庆，张维等综述了极值理论在科技、工程等领域，特别是在金融风险管理领域的应用；周开国，缪柏其运用极值理论以香港恒生指数为样本进行实证分析，发现极值方法在度量风险时要明显优于方差－协方差方法；而杨耀辉等从收益率的波动性与分布两方面进行考虑, 建立起计算时变风险值VaR 和ES 的模型，结果表明基于GED分布的VaR模型能够较好地刻画高频时间序列的尖峰厚尾性及杠杆效应等特性, 而ES 模型则有效地弥补了VaR模型的不足之处。 二、极值分布 研究极值分布的理论统称为极值理论，是概率论的一个重要分支，主要研究随机样本以及随机过程中极值的概率值以及统计推断，为了便于统计应用，Jenkinson(1955)给出广义极值分布模型。广义极值分布(Generalized Extreme Value Distribution，简称GEV分布)，其分布