第章 金融市场风险的度量66.ppt

*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;;;*;*;*;*;*;*;修正久期越大，收益率上升所引起的债券价格下降幅度就越大，而收益率下降所引起的债券价格上升幅度也越大。同等要素条件下，修正久期小的债券比修正久期大的债券抗利率上升风险能力强，但抗利率下降风险能力较弱。 　　当利率水平存在上升可能，则集中投资于短期品种、缩短债券久期；当利率水平有可能下降，则拉长债券久期、加大长期债券的投资，这就可以帮助我们在债市的上涨中获得更高的溢价。 　广泛应用债券的投资组合。一个长久期的债券和??个短久期的债券组合一个中等久期的债券投资组合，增加某一类债券的投资比例则使该组合的久期向该类债券的久期倾斜。当进行大资金运作时，准确判断利率走势后，然后确定债券投资组合的久期，确定后，灵活调整各类债券的权重，达预期效果。 ;*;*;*;*;*;*;应用举例;;;*;*;*;*;*;灵敏度指标;灵敏度指标;*;*;*;*;*;*;*;风险分散;*;*;*;*;５%;*;整理ppt;*;*;*;*;*;*;*;整理ppt;*;*;*;*;*;*;*;*;;*;*;整理ppt;*;*;*;*;*;*;*;*;*;*;*; 标准历史模拟法不需要假设市场风险因子服从某种概率分布，而是直接用风险因子过去的变化分布表示未来的变化分布，所以标准历史模拟法不需要进行参数估计，因而是一种非参数全值估计法。;*;;;;根据标准历史模拟法的假定，即风险因子变量的未来变化完全等同于过去，于是可以用风险因子变量过去已经发生的T种变化作为风险因子未来可能出现的T种变化，从而风险因子变量 未来的可能取值为 ;;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;;采用时间加权历史模拟法可以得到比标准历史模拟法更好的VaR值 但是时间加权历史模拟法仍没有考虑市场风险因子波动性在不同时期的差异对市场风险因子的影响。;*;波动率加权历史模拟法的主要改进在于通过建立风险因子时间序列模型来判别是否需要对选定的历史数据进行调整并提出调整方法。 若历史数据选用区间的波动率明显高于或低于未来时期风险因子的波动率，那么借助于标准历史模拟法或时间加权历史模拟法，不加调整地直接用历史数据选用区间的数据计算得到的VaR将会高估或者低估资产组合未来的实际风险。 ;例如，当由新模型预测的未来波动率值大于历史数据选用区间的波动率值时，利用 调整后的数据显然会放大原始数据，因为 此时就不会因为在历史数据选用区间中缺少极端历史数据而及大地低估未来风险，反之则反是。 ;*;*;*;*;布朗运动;;;;;;;布朗运动;股票价格的变化过程;设 , 表示t时刻资产总数和增长率, ;*;*;;*;*;*;;整理ppt;;;;;;*;三、基于Monte Carlo模拟法计算VaR的应用举例;第二步 风险因子协方差矩阵的Cholesky分解;第三步 利用Monte Carlo模拟方法生成三个风险因子的样本;整理ppt;整理ppt;整理ppt;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;一、基于Delta类方法的VaR计算 —— (一) 基于Delta-正态方法的VaR计算(续);*;*;;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;二、POT模型 ——(二) 超额分布函数的估计(续);三、广义极值分布与广义帕雷托分布对厚尾分布的拟合及参数、分位数的估计;三、广义极值分布与广义帕雷托分布对厚尾分布的拟合及参数、分位数的估计(续)—— (一)分块样本极值理论中广义极值分布的估计(续);三、广义极值分布与广义帕雷托分布对厚尾分布的拟合及参数、分位数的估计(续);三、广义极值分布与广义帕雷托分布对厚尾分布的拟合及参数、分位数的估计—— (二) POT模型中的广义帕累托分布的估计(续);(3) 将 和 的估计结果代入如下式的右边 , 从而得到F (x)的尾部估计，以及X 的p-分位数 。 ;*;*;*;*;*;此课件下载可自行编辑修改，供参考！ 感谢您的支持，我们努力做得更好！