基于MCMC参数估计的POT极值理论度量影子银行与A股市场VaR-ES

发布时间：2018-01-15 23:27

本文关键词：基于MCMC参数估计的POT极值理论度量影子银行与A股市场VaR-ES　出处：《中央财经大学学报》2017年05期 　论文类型：期刊论文

【摘要】：2008年次贷危机爆发后,美国学术界进行了大量研究检验影子银行与股票市场的极值情况。在此背景下,笔者研究中国影子银行的极值风险,对今后进一步研究极值影响性作出铺垫。对极值数据的分布函数,通常无法用高斯分布或者t分布来有效表达。金融时间序列的尖峰、拖尾、右偏情况,可以基于广义帕累托分布的POT模型进行对极值数据的拟合,确定超出安全阈值的极值数据的分布形式。利用Gibbs抽样的贝叶斯MCMC模拟方法来估计模型的参数,可以解决当样本数据不足时极大似然估计中误差增大的问题,提高数据的拟合效果。笔者首次基于POT模型对中国影子银行与A股市场的极值进行实证研究,确定阈值后分别测算了MCMC估计和MLE估计下的VaR和ES。结果发现:上证成交量极值风险更大,影子银行极值风险相对较小。
[Abstract]:In 2008 after the outbreak of the subprime crisis, the academic circle has made lots of research to test extreme situation of shadow banking and stock market. Under this background, the author studies Chinese extreme risk shadow banks, to pave the way for further study on the influence of extreme value distribution functions. For extreme data, usually cannot use Gauss distribution or t distribution effectively expression. Financial time sequence of spikes, trailing, right, can fit the extreme data of POT model based on generalized Pareto distribution, determine the distribution form of extreme data beyond the safety threshold. The model parameters are estimated using the simulation method of Bayesian MCMC Gibbs sampling, can be solved when the sample data is insufficient for maximum likelihood estimation in error problem, improve the fitting effect of data. For the first time in the POT model based on extreme value of the shadow banking Chinese and A stock market Empirical research, after determining the threshold, calculates the VaR and ES. under MCMC estimation and MLE estimation respectively, and finds that the extreme risk of Shanghai Stock Exchange is bigger and the shadow banking extreme risk is relatively small.

【作者单位】：中国社会科学院数量经济与技术经济研究所;
【基金】：国家自然科学基金项目“国际资本流动与宏观审慎性政策研究”(项目编号:71303044)
【分类号】：F224;F832.3;F832.51
【正文快照】： 一、引言 2008年美国次贷危机爆发后,美国学术界和华尔街有观点认为影子银行是导致金融危机的重要因素,后期美国学者进行了大量的研究以证明影子银行会产生金融危机,并导致股市波动性加大。然而,学术界并没有研究过影子银行的极值情况。检验时间序列的极值通常利用POT模型较

【相似文献】