非对称GARCH模型在尾部风险度量中的改进.docxVIP

非对称GARCH模型在尾部风险度量中的改进

一、尾部风险度量的现实需求与传统模型局限

金融市场的运行从来不是平稳线性的，小概率的极端下跌事件往往会给市场参与者带来远超日常波动的损失，这类分布最左端的尾部风险，既是引发投资组合巨额亏损、机构风险暴露甚至系统性金融风险的核心来源，也是金融风险管理领域长期关注的重点难点。早在现代金融理论发展初期，就有学者指出金融资产收益并不服从理想的正态分布，而是呈现出明显的尖峰厚尾特征，极端收益出现的概率远高于正态分布的预测值，尤其是下跌侧的尾部厚度显著高于上涨侧，用基于正态假设的传统风险度量方法，会严重低估极端损失的发生概率（Mandelbrot，1963）。

早期的风险度量方法大多以收益率的方差作为核心指标，将上涨和下跌的波动同等视为风险，既无法区分投资者对涨跌的不同偏好，也难以精准刻画尾部的极端损失特征。随着风险管理实践的发展，风险价值方法逐渐成为行业通用的度量标准，通过给定置信水平下的最大可能损失反映风险水平，但早期的风险价值计算大多依赖正态分布、历史平均波动等假设，对波动的时变特征和非对称特征刻画不足，在多次金融危机中都出现了严重的风险低估问题，甚至有学者指出，基于正态假设的风险度量模型对市场极端暴跌的预测偏差足以让机构在危机中完全丧失风险缓冲能力（Taleb，2007）。

为了捕捉金融市场普遍存在的波动聚集特征，也就是大波动之后往往跟着大波