层次Dirichlet过程在股票市场风险度量中的应用.pdfVIP

层次Dirichlet 过程在股票市场风险度量中的应用 摘 要 股票市场的市场风险管理至关重要，它关系到个人投资者的资金安全、机构投资者 的投资收益、监管者的监管制度乃至整个金融市场和整个社会的稳定发展，而其有效管 理依赖于对股票市场风险的准确度量。当前对于股票市场风险的测度模型主要包括在险 价值（Value-at-Risk ，简称VaR ）模型和条件在险价值（Conditional Value-at-Risk ，简称 CVaR ）模型，VaR 概念简单，能够用一个简单的数字衡量资产的风险，但其不具有一 致性且不能完全覆盖尾部风险，CVaR 则通过将超过VaR 的资产风险考虑进来从而实现 对尾部损失的覆盖。 当前VaR 和CVaR 测度模型都被广泛应用在股票市场风险的度量上，其计算方法涉 及参数法、非参数法和半参数法，非参数贝叶斯方法是其中较为前沿的计算方法。在非 参数贝叶斯方法中，较为流行的非参数先验分布包括Dirichlet 过程（Dirichlet Process ， 简称DP ）、层次Dirichlet 过程（Hierarchical Dirichlet Process ，简称HDP ）等，Dirichlet 过程已经被应用到股票市场风险度量中并被证明应用效果较好，本文更进一步，把层次 Dirichlet 过程应用到股票市场风险度量中，将其作为股票收益分布的先验分布，实现相 似股票个体之间数据的共享，并根据数据自适应地拟合收益分布。 本文首先将层次 Dirichlet 过程模型分别应用到复杂分布和厚尾分布的仿真模拟数 据中，模型估计结果和实际结果高度相似，验证了层次Dirichlet 过程模型在拟合复杂分 布和厚尾分布时的有效性。其次，本文将层次Dirichlet 过程模型应用在中国深圳证券交 易所和美国纽约证券交易所各三只股票的市场风险度量中，首先通过该模型估计股票的 日对数收益率分布，随后基于该拟合分布采用蒙特卡罗模拟方法计算VaR 和CVaR，并 将此结果与分布、广义误差分布（Generalized Error Distribution ，简称GED ）、广义帕 累托分布（Generalized Pareto Distribution，简称 GPD ）和广义自回归条件异方差模型 （Generalized AutoRegressive Conditional Heteroskedasticity model，简称GARCH 模型） 四个模型的VaR 和CVaR 估计结果进行对比。最后，根据实证研究结果，本文得出如下 结论：虽然中国和美国的股票市场存在较大的差异，但是层次Dirichlet 过程模型能够有 效捕捉到收益分布的厚尾现象，基于层次Dirichlet 过程模型得到的市场风险度量结果比 分布、GED 分布、GPD 分布和GARCH 模型都更具稳健性。而在两个测度模型中，CVaR I 层次Dirichlet 过程在股票市场风险度量中的应用 的估计结果比VaR 更为稳健，对于风险的覆盖更为全面。为此，本文针对股票市场风险 的管理提出以下建议：可以将层次Dirichlet 过程模型应用到股票市场风险度量中，这将 有利于提高估计结果的准确性和稳健性从而更好地管理股票市场风险；而在测度模型的 选择中，则可以根据管理目标有所偏向，CVaR 相较于VaR 是更为保守的市场风险测度 模型，更适合保守的风险管理目标。 关键词：股票市场风险；层次Dirichlet 过程；分布拟合；VaR ；CVaR II The application of Hierarchical Dirichlet Process in the market risk measurement of stock market Abstract The management of the market risk of the stock market has great significance , which is related to individual investors capital saf