3金融模型的统计分析.docx

第三章 金融模型的统计分析 以下内容放到第三章： §2.2.3 随机游动模型的检验 对于模型 Pt =」? Pt」亠,t，假设对数价格变化为 IID (indentically and independently distributed,即独立同发布)。即下面两条件成立。 2 任意时刻t,对数价格变化服从同一分布， 均值为0,方差为匚；也称为homoskedastic 性。 不同时刻下，对数价格变化在统计上是独立的。 实际上，以上两条件是很难成立的。 对于给定的时间序列， 我们可以用许多方法来验证 上述条件是不成立的。即一般情况下，方差 二2随着时间变化，统计上称为异方差性 (heteroscedasticity)，且收益对于时间也不一定是统计独立的，可能存在或大或小的自相关 性。 §2.2.4 自相关性检验统计量 ---Box-Ljung统计量 TOC \o 1-5 \h \z p p2 \o Current Document BL(p) =T「2) 心1 - k 上述对于单个收益的实证性质的讨论可以推广到多元情形 ，即多个资产的收益， 这时 就要考察相互之间的协方差。 §2.2.5 有关金融资产收益分布的一些结论 1?分布厚尾(fat tails); 2?分布的峰比正态分布更高和窄，这一性质称为细腰 (thin waist)； 3?收益具有较小的自相关性； 4.平方收益有较显著的自相关性。 厚尾(fat tails)和细腰(thin waist)是 leptokurtotic 分布的一个性质。 Leptokurtotic 分布可 看作是一个平滑的条形图， 它是通过核密度估计(kernel density estimation )这样的平滑过 程得到的。 §2.2.5 建模方法 可以将收益模型分为两大类：无条件分布(与时间独立)和条件分布(依赖时间) 。现 总结如表2.2.5.1所示。 表225.1 收益模型分类表 分布族 模型 文献 方差无限 稳定对称Raretian 稳定非对称Paretian Ma ndelbrot (1963) Tucker (1992) 无条件分布族 正态 Bachelier (1900) 方差有限 学生t Blattberg etc (1974) 混合扩散跳跃过程 Jorio n (1988) 复合正态 Kon (1988) GARCH 正态 Bollerslev (1986) 条件分布族 学生t Bollerslev (1987) 正态 Ruiz (1994) 随机波动率 学生t Harvey et. Al (1994) 广义误差分布 Ruiz (1994) 例如，正态分布（这里假定均值为 0）下的VaR统计量如表2.2.5.1所示。 表2.2.5.1 正态分布下的 VaR统计量 风险度量方法 单边 置信区间 双边 一般标准 95% 90% (-1.65 二) (-/+1.65 二) BIS/Basle 标准 99% 98% (-2.33 二) (-/+2.33 二) 如果对数价格变化服从正态分布，那么资产的价格就服从对数正态分布。即给定价格 P 4时P的分布密度为： f(R/R』 f(R/R』 + exp[(lnP/P厂叭 近年来也发展了一些新的模型，如修正的随机游动模型等。 本文的这一部分中，将主要讨论测算 VaR的参数模型。所谓参数模型，就是以随机变 量分布为（如正态分布） 前提假设，对于分布中的参数进行估计， 从而得到关于随即变量的统计描述。在金融领域，参数模型的应用十分广泛，其原因有： （1） 金融数据的容量往往十分庞大，这样便于构造大样本。根据数理统计学中的中心 极限定理，当样本容量很大时，独立同分布样本的和收敛于正态分布 ⑴。因此金融学上往往 用正态分布或者对数正态分布 [2]作为前提假定。 （2） 正态分布和对数正态分布具有很多非常好的性质，这使得很多金融问题在技术的 处理上非常简便。特别是当假定资产的对数收益率 ⑶满足正态分布时，资产价格的随机过程 可以用几何布朗运动来描述，这无论对于资产定价还是 VaR的计算都将变得十分简单。 （3） 经过金融经济学家实证的检验，认为正态分布或对数正态分布在一定程度上可以 用来近似资产收益的实际分布。 即使存在诸如偏锋和胖尾等现象， 经济学家们同样可以采用 例如t分布近似等方法进行修正。而当对于估计精度要求不高的时候， 满足正态假定的参数 模型往往成为最有效最合理的方法。 壹、CAPM的统计分析 CAPM的统计分析有两种形式，我们分别给以讨论? Sharpe-Lintner 形式 用r。表示无风险的收益率,片表示第i种证券的收益率,召表示超额收益率,即 r。，i =1,2/ ,N, 用Zit表示Zi在时刻t的值，zMt表示市场收益