应用极值分布理论的VaR和CVaR估计

发布时间：2018-01-27 02:12

本文关键词： 极值理论条件风险价值(CVaR) GARCH模型　出处：《求索》2010年04期 　论文类型：期刊论文

【摘要】：本文考虑极值分布理论来描述金融时间序列与尾部相关的风险,应用极大似然估计方法估计的GARCH模型对数据进行拟合,应用帕累托(GPD)对新息分布的尾部建模,得到基于尾部估计产生收益序列的VaR和CVaR值。采用上证指数日收益率作实证研究,研究发现,采用极值理论和CVaR相结合,度量风险效果会更好。
[Abstract]:In this paper, the extreme value distribution theory is considered to describe the tail related risks of financial time series, and the GARCH model estimated by maximum likelihood estimation is used to fit the data. Using Pareto GPDs to model the tail of the innovation distribution, the VaR and CVaR values of the earnings series based on the tail estimation are obtained. The daily return rate of the Shanghai Stock Exchange Index is used as an empirical study, and the results are found. It is better to measure risk by combining extreme value theory with CVaR.
【作者单位】：西安交通大学经济与金融学院;
【基金】：西安交通大学“985”工程二期建设项目(07200701)
【分类号】：F830;F224
【正文快照】： 一引言近年来,VaR和CVaR已经成为市场风险测量的主流方法,而对它们进行准确估计一直是风险管理难点。由于实际金融资产收益的分布都是厚尾、尖峰的,而现有的分布,尤其是广泛应用的正态分布,都与实际金融收益分布存在着较大的差距。极值理论(EVT)是研究极值现象分布的理论,它

【参考文献】