基于极值理论的金融风险度量研究
发布时间：2020-07-12 01:42
【摘要】： 随着金融机构组合交易资产数目的剧增，金融市场呈现出前所未有的波动性和脆弱性，市场风险度量是控制和管理风险的基础。 本文首先比较详细地介绍了现在比较流行的VaR风险度量方法以及传统VaR的三种计算方法——历史模拟法、蒙特卡罗模拟法和方差—协方差法，并对这三种计算方法从多方面进行了比较。由于单纯的VaR风险度量方法存在着不满足一致性风险度量的缺陷，所以又引入了一致性风险度量方法CVaR，CVaR方法更好地捕捉了金融数据的尾部分布，弥补了VaR的缺陷。 传统VaR计算方法一般都要对金融收益服从哪一类型分布进行假设，这就不可避免地对这一假设的有效性产生怀疑。如何有效地刻画金融资产收益率分布的尾部特征，给出其近似的分布形式，是一个风险度量模型能否准确地估计风险的首要条件。相比较而言，极值理论不会假设金融收益服从某一分布，而是自然而然地得出尾部的形态特征，从而避免模型风险，可以较准确地计算极端情况下的VaR。 本文比较系统地阐述了极值理论和极值分布特征，以著名企业股票指数为例，将极值理论应用于风险价值的计算，得出VaR值和CVaR值，并将实证结果与传统VaR方法计算的结果进行了比较分析，CVaR值比VaR值大，极值方法比传统方法得出的VaR值大。最后分析得出结论：传统的VaR计算模型是静态的模型，应用极值理论计算VaR的模型是动态的、相对保守的模型。
【学位授予单位】：河海大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：F830.9;F224
【图文】：
们也不用关心样本母体的分布。 }}}}}一一一一一……图3一3依次为标准Frechet、叭陌ibull、Gumbel分布图从图3一3可以很清楚地看出Frechet分布是用来描述那些极值无上界有下界的分布，M阳ibull分布是用来描述极值分布有上界无下界的分布，而G切mbel分布则用来描述极值无上界也无下界的分布。我们通常见到的很多分布函数都可以根据它们尾部的状况划分到上面的三种极值分布分布中去，例如:学生分布、Pareto分布、对数Ga皿na分布、 Cauchydistributed根据尾部特征可以划分到Frechet分布中去;均匀分布和Beta分布的尾部分布可以收敛到认陌ibull分布:正态分布、G~a分布和对数正态分布的尾部分布都收敛到GUmbel分布。但是，在实际应用中对于一个给定的极值序列，我们应该如何在这三种标准极值分布中做出选择呢?一种最理想的方法是通过参数的形式把三种极值分布统一的表示成一个分布函数，这样我们就可以在利用极大似然估计的时候，把该参数也一块估计出来，让数据去决定它们的选择，这将极大的增加模型估计的准确性。在这~，，、，、_一~_二‘__.「
纂十极值理论的金融风险度量研究花旗、IBM、通}{i卜也2几以及沃井J(J马Jl艾票}1又、J数:}女找注率}’{方图仪}1图4一3丘、l」4一6J少i/J、，从}‘f方图平!!图右边的主浅本统i}1准、jj‘以石}1}四支股票的}}义弓’数:}父六几率)J‘列均l冬了z川j{.，{11勺少种圣)’Jf)已现象，一11Jal·qt，e一Bera检验日J以{.泛著地于l‘绝一I态l、‘卜{{星i艾〔)少i以了r一了专统的方法中般都假没收舀.下的分布服从11一态分布，这样假设就存在很少\的误矛性，计脚-出来的VaR值i’了定不够雕确)900800700Ser一 esHQ SamPIe13000 observstlonS3000600500400300200Me日nMedlanMaxlmumM}n}mUmStd.Dev.SkewneSSKUrtOSIS 0.000340 0.000000 0.072994一 0.074197 0.009204 0.0209718， 419569100Jarque一Bera Probab}llty3671685 0
CDF 00.010.020.030.040.050.060.07图4一 9GPD与经验分布的比较参数的置信区间估计采用BootstraP的方法来确定，参数分布图和Q一Q图分别如图4一10和4一11所示。
本文编号：2751239
【学位授予单位】：河海大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：F830.9;F224
【图文】：
们也不用关心样本母体的分布。 }}}}}一一一一一……图3一3依次为标准Frechet、叭陌ibull、Gumbel分布图从图3一3可以很清楚地看出Frechet分布是用来描述那些极值无上界有下界的分布，M阳ibull分布是用来描述极值分布有上界无下界的分布，而G切mbel分布则用来描述极值无上界也无下界的分布。我们通常见到的很多分布函数都可以根据它们尾部的状况划分到上面的三种极值分布分布中去，例如:学生分布、Pareto分布、对数Ga皿na分布、 Cauchydistributed根据尾部特征可以划分到Frechet分布中去;均匀分布和Beta分布的尾部分布可以收敛到认陌ibull分布:正态分布、G~a分布和对数正态分布的尾部分布都收敛到GUmbel分布。但是，在实际应用中对于一个给定的极值序列，我们应该如何在这三种标准极值分布中做出选择呢?一种最理想的方法是通过参数的形式把三种极值分布统一的表示成一个分布函数，这样我们就可以在利用极大似然估计的时候，把该参数也一块估计出来，让数据去决定它们的选择，这将极大的增加模型估计的准确性。在这~，，、，、_一~_二‘__.「
纂十极值理论的金融风险度量研究花旗、IBM、通}{i卜也2几以及沃井J(J马Jl艾票}1又、J数:}女找注率}’{方图仪}1图4一3丘、l」4一6J少i/J、，从}‘f方图平!!图右边的主浅本统i}1准、jj‘以石}1}四支股票的}}义弓’数:}父六几率)J‘列均l冬了z川j{.，{11勺少种圣)’Jf)已现象，一11Jal·qt，e一Bera检验日J以{.泛著地于l‘绝一I态l、‘卜{{星i艾〔)少i以了r一了专统的方法中般都假没收舀.下的分布服从11一态分布，这样假设就存在很少\的误矛性，计脚-出来的VaR值i’了定不够雕确)900800700Ser一 esHQ SamPIe13000 observstlonS3000600500400300200Me日nMedlanMaxlmumM}n}mUmStd.Dev.SkewneSSKUrtOSIS 0.000340 0.000000 0.072994一 0.074197 0.009204 0.0209718， 419569100Jarque一Bera Probab}llty3671685 0
CDF 00.010.020.030.040.050.060.07图4一 9GPD与经验分布的比较参数的置信区间估计采用BootstraP的方法来确定，参数分布图和Q一Q图分别如图4一10和4一11所示。
【引证文献】
相关硕士学位论文 前1条
1 沈怡;我国商业银行操作风险管理研究[D];东华大学;2007年
本文编号：2751239
本文链接：https://www.wllwen.com/guanlilunwen/zhqtouz/2751239.html
最近更新
教材专著
