lecture 42 应用：金融风险管理2.docxVIP

市场风险、信用风险和操作风险 市场风险VaR 参数模型 非参数模型 半参数模型 信用风险 操作风险 风险管理系统应用 VaR估计 假定rt服从 ? rt＝ mt＋εt 均值方程 其中，E(εt | Ψt -1)＝0，E(εt2 Ψt?1 ) = σt2 = h，tΨt -1是t-1期所有可获信息集合。 记 zt = εt / σ t zt服从均值为0，方差为1的条件分 布Φt，如～Φt(0, 1)。ztΨt?1 下面我们主要讨论VaRt(p)估计 VaRt = mt +Φt?1( p)σt 参数模型：等权重移动平均模型 VaRt(p)涉及到估计mt、σt、Φt(?)，各种VaRt(p)估计涉及估计σt、Φt(?)的不同方法。 条件分布Φt(?)假定为标准正态分布， Φt(1.645)=5%，Φt(2.326)=1%。RiskMetrics 但金融时间序列较正态分布具有厚尾巴， 因此，可以考虑t(υ) 分布 如 自 由 度 为 5 ，Φt(1.5608)=5%，Φt(2.606)=1%。 参数模型 等权重移动平均法 RiskMetrics模型 GARCH模型 等权重移动平均模型 第t天标准差σt从第t - k天至t - 1天的数据窗口估 计 t?1 σ t = k ?1 s∑=t?k(rs )2 假定rt 服从正态分布，99%和95%置信水平下 VaR分别为-2.33 σt和-1.65 σt 。 参数模型：RiskMetric模型（RM） Morgan (1995) 提 出 了 度 量 σ t 的 另 一 种 模 型 ， RiskMetrics (RM)模型 ?1 σt = (1 ? λ) ∑λt?s?1(rs )2 s=t?k λσt2?1 + (1? λ)(rt?1)2 λ为衰减因子，0 λ 1。衰减因子反映了预测σt时历史观测值的影响是如何衰减的。 RiskMetric：天： λ =0.94；月：λ = 0.97 上证指数：天： λ =0.99；深成指，天： λ =0.98 1997.1.15-2002.6.19 上证指数估计2002.6.20的VaR 等权重移动平均 95%VaR 99%VaR 正态分布 -0.02752 -0.03886 t(5) -0.02603 -0.04346 RM 正态分布 t(5) 衰减因子 95％VaR 99％VaR 95%VaR 99%VaR 0.90 -0.02551 -0.03602 -0.02413 -0.04028 0.94 -0.02542 -0.03589 -0.02405 -0.04014 0.96 -0.02567 -0.03624 -0.02428 -0.04054 0.99 -0.02771 -0.03913 -0.02621 -0.04376 参数模型：GARCH模型 假设资产报酬rt服从ARMA(1,1)-GARCH(1,1) rt = a0 + art ?1 + εt + bεt ?1 εt |ψ t ?1 ~ Φ(0, ht ) ht = α 0 + αε t2?1 + βht ?1 条件分布：正态分布、t分布、广义t分布、偏斜t分布 估计出参数α、β后，就可以得到σt。 条件分布Φt 正态分布，95％VaR＝ -1.645 σt ；99％VaR＝ -2.326 σt t(5)分布， 95％VaR＝ -1.561 σt ； 99％VaR＝ -2.606 σt t分布的密度函数 Γ((υ + 1) 2) (rt ? mt )2 / ht ? υ +1 f (rt ;θ ) = 2 ht π υ ? 2) Γ υ 2) 1 + υ ? 2 ( ( GRACH:正态分布、t分布 正态分布  rt = 0.000109 + 0.69552rt ?1 ? 0.7109εt ?1 + εt εt |ψ t ?1 ~ N (0, ht ) ? m1301=0.000408, σ1301=0.014914, h = 0.000167 + 0.258688ε 2 + 0.716655h t t ?1 t ?1 p=0.05, VaR= 0.000408-1.65*0.014914=-0.02420 p=0.01, VaR= 0.000408-2.33*0.014914=-0.03434 ? t分布 rt = 0.001285 + 0.775828 rt ?1 ? 0.74549εt ?1 + εt εt |ψ t ?1 ~ t(4.41649 ) ht = 0.000137 + 0.201926 εt2?1 + 0.772257 ht ?1 m1301=0.00048, σ1301=0.015456, υ =4.416419 p=0.05, VaR=0