第4章 极端风险事件的建模.pdfVIP

第 4 章 极端事件的建模 在给出极端事件定义的基础上，本章主要阐述了极端事件的建模思路，以及 常用的离散和连续随机事件模型。这为我们刻画金融资产的极端情形、资产定价 及构建合理的投资决策具有深远的意义。 4.1 极端事件的定义及其特征 极端事件是一个相对的概念。所谓极端和非极端往往是基于分布的考量，且 这一说法常与置信度有关。虽然对极端事件的定义没有统一的说法，但分歧并不 明显。此外，我们常根据事件的驱动因素将极端事件分为政治事件、经济事件以 及自然事件三类；根据事件能够引起某一资产的损益，我们常将极端事件分为利 好事件和利空事件。这些分类方式是参照了国际上对事件分类的惯例（Rode et al., 2000 ；Kim Mei, 2001 ）。 关于极端事件的特征主要体现在极端事件的突发性、稀疏性及集聚性这三个 方面。这在下文极端事件的建模思路中会有更详细的说明和体现。 4.2 极端事件的建模思路 如有极端事件（或稀有事件）存在，那么哪种类型的模型可以用来表示资产 的价格？ 一种方法试图将所有观察到的变化分解成两个部分来对资产价格进行表示： 一个是在信息集给定的条件下可预测的部分；另外一个则是不可预测的部分。即 我们有 Ito 过程： ( , ) ( , ) dS a S t dt =+σ S t dW t t t t 在稀有事件的建模中，我们发现，我们没有必要对稀有事件使用不同的表示， 稀有事件的发生是无法预料的，其方差与时间区间成比例。事实上，稀有事件与 维纳过程之间的唯一差异在于样本轨道的连续性问题。因此，进行简单修改后， 1 我可以用同一随机微分方程来对两种情形进行表示。我们需要的是一个能够刻画 不可预测的随机误差项dW 的模型。 t h 在稀有事件情形中关键因素在于，即使时间区间（或时间间隔） 为无穷小， 事件的大小也不会为无穷小，而发生概率在h →0 时却可以忽略。新的干扰可以 用来表示为资产价格中少有的（随机）跳跃。此外，模型要有足够的弹性以至于 能够捕获这种跳跃发生概率的潜在变化。 接下来，我们从离散的角度来对跳跃进行建模。首先，将误差分为两个部分， 即资产价格的变化显然可以表示为以连续方式发生的正常事件和零星发生的稀 有事件的一种混合。第一个部分用ΔW 来表示，第二部分用ΔN 来表示。为了使 k k 表示更为准确，假设资产价格中的跳跃幅度为 1，因此，在k −1时刻，我们有 ⎧1 概率为λh ΔN k =N k −N k −1 ⎨ 0 1 ⎩ 概率为 −λh 其中，λ不依赖于k −1时刻的信息集。这样，ΔN k 表示以常数速度λ发生的幅度 h λh h 为 1 的跳跃。需要说明的是，跳跃在区间 上的发生率可以用相伴概率 除以 来进行计算。 显然，Nk 可以用泊松计算过程来建模。泊松过程具有如下性质： h h →0 （a ）在小的区间 上，至多一件事情发生的概率接近于 1，（当 时，概 率为 1）； （b ）到t 时刻为止的信息无助于对下一个瞬时h 要发生（或不发生）的事件 进行预测； （c ）事件以常数速率λ发生。 事