基于重要抽样方法的VaR和CVaR分析与比较

发布时间：2017-09-06 23:20

  本文关键词：基于重要抽样方法的VaR和CVaR分析与比较

  更多相关文章： VaR CVaR AR模型 蒙特卡洛模拟法 重要抽样法

【摘要】：风险价值(VaR)和条件风险价值(CVaR)是在风险测量中应用广泛的两种方法,且这两种方法在风险测量、资产组合管理和金融机构的监管中扮演着重要的角色。巴塞尔协议Ⅱ给出了VaR的定义,并且激励银行管理者在风险测量中使用此方法。VaR使用灵活且概念简单,但是也有缺陷,它没有给出投资者可能遭受损失额大于VaR的信息。1990年,Artzner等学者证实VaR不满足次可加性且不是一致风险估计量。然而Rockafellar和Uryasey提出的CVaR则可以给出投资者可能遭受的潜在损失额大于VaR的信息,并且CVaR满足次可加性,是一致风险估计量,但是Heyde等研究者在2007年指出正是因为CVaR具有这些优点而使在风险测量时的模型和数据缺乏不稳定性。由于VaR和CVaR各有优缺点,很难判断哪种方法更好,因此风险管理者应该同时考虑这两种方法使其形成优势互补。通常有三种典型的方法来估计VaR和CVaR：方差-协方差法、历史模拟法和蒙特卡洛模拟法,其中蒙特卡洛模拟法被使用的最广泛,但是传统的蒙特卡洛模拟法不仅耗时而且效率低。有一种方差缩减技术是被用来提高估计效率的,而在所有的方差缩减技术中,重要抽样(IS)是个很好的选择,因为该技术可以给尾部分布分配更多的样本量,这个功能在估计VaR和CVaR时是最至关重要的,而在运用重要抽样技术中如何选取一个分布函数使估计量的方差减小才是最关键的,更深一步,我们指出了指数转换法能保证选取一个适当的分布可以同时减少VaR和CVaR的方差。本文选用AR模型进行模拟估计VaR和CVaR,分别比较了使用传统的蒙特卡洛模拟法和重要抽样法估计VaR和CVaR估计量的方差,并汇出了VaR和CVaR估计值的概率密度函数图,模拟结果表明,重要抽样法确实减小了VaR和CVaR的方差,提高了模拟效率,特别是在置信水平是0.05时,效果更突出。最后我们选取黄金的日收益率作为实证分析的数据,使用ARMA模型拟合其随机过程,还根据历史数据模拟得到目标时刻的随机数,同样用传统的蒙特卡洛模拟法和重要抽样法来估计VaR和CVaR的值,证实重要抽样法比传统的蒙特卡洛模拟法更有效。
【关键词】：VaR CVaR AR模型 蒙特卡洛模拟法 重要抽样法
【学位授予单位】：广西师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F224;F830.91
【目录】：

• 摘要3-4
• ABSTRACT4-8
• 第1章 绪论8-12
• 1.1 课题研究的背景和意义8
• 1.2 VaR和CVaR的文献综述8-10
• 1.2.1 VaR的文献综述8-9
• 1.2.2 CVaR的文献综述9-10
• 1.3 本文主要研究内容10-12
• 第2章 VaR和CVaR的简介12-14
• 2.1 VaR和CVaR的基本原理简介12-13
• 2.1.1 VaR的基本原理12
• 2.1.2 CVaR的基本原理12-13
• 2.2 VaR和CVaR的计算方法13-14
• 第3章 模型及研究方法的理论14-18
• 3.1 模型(AR、ARMA)14-15
• 3.1.1 AR模型14-15
• 3.1.2 ARMA模型15
• 3.2 MC模拟VaR和CVaR15-16
• 3.3 IS法估计VaR和CVaR16-18
• 第4章 基于重要抽样法估计的统计性质的模拟分析18-24
• 4.1 模拟经验分布函数图18-19
• 4.2 模拟VaR和CVaR的概率密度函数图及均值方差19-22
• 4.3 模拟结果与名义水平的比较22-24
• 第5章 基于IS的VaR和CVaR模型对黄金风险度量的实证分析24-31
• 5.1 模型的识别24-26
• 5.1.1 趋势图检验24-25
• 5.1.2 黄金日收益率序列的描述分析25-26
• 5.1.3 黄金的日收益率平稳性检验26
• 5.2 模型的定阶26-28
• 5.3 模型的适应性检验28-29
• 5.4 黄金收益率的VaR和CVaR计算29-31
• 5.4.1 基于MC的VaR和CVaR计算29
• 5.4.2 基于IS的VaR和CVaR计算29-31
• 第6章 论文结论和展望31-33
• 6.1 主要结论31
• 6.2 不足之处31-32
• 6.3 展望32-33
• 参考文献33-35
• 附录35-40
• 致谢40-41

【相似文献】

中国期刊全文数据库 前10条

1 胡杰,郭晓辉,邱亚光;VaR与CVaR在商业银行风险度量中的比较分析及应用[J];金融论坛;2005年07期

2 高全胜,李选举;基于CVaR的投资组合对资产变化的敏感性分析[J];数量经济技术经济研究;2005年06期

3 杜红军;刘小茂;;拉普拉斯分布下的VaR和CVaR风险计算[J];应用数学;2006年S1期

4 潘霁;金洪飞;;Mean-CVaR模型下的资产组合和破产风险控制[J];运筹与管理;2006年02期

5 王玉玲;王晶;;度量金融风险的CVaR方法[J];统计与决策;2006年11期

6 刘晓星;;基于CVaR的投资组合优化模型研究[J];商业研究;2006年14期

7 刘小茂;马林;;资产相对价值的VaR和CVaR风险[J];统计与决策;2006年16期

8 景明利;张峰;杨纯涛;;金融风险度量VaR与CVaR方法的比较研究及应用[J];统计与信息论坛;2006年05期

9 刘小茂;杜红军;;金融资产的VaR和CVaR风险的优良估计[J];中国管理科学;2006年05期

10 张剑;;浅谈金融衍生工具的两种风险管理方法VaR和CVaR[J];理论界;2007年06期

中国重要会议论文全文数据库 前10条

1 孟志青;虞晓芬;蒋敏;庄彬;曾丽萍;;基于权值不同置信水平下的多目标CVaR模型[A];中国优选法统筹法与经济数学研究会第七届全国会员代表大会暨第七届中国管理科学学术年会论文集[C];2005年

2 王雨飞;王宇平;;基于遗传算法的CVaR模型[A];第八届中国管理科学学术年会论文集[C];2006年

3 赵振全;张琳琳;;具有风险偏好的CVaR风险度量方法及对我国股市风险度量的实证分析[A];中国现场统计研究会第十三届学术年会论文集[C];2007年

4 王秀英;陈爽;;两种离散型随机变量线性投资组合的CVaR[A];中国数学力学物理学高新技术交叉研究学会第十二届学术年会论文集[C];2008年

5 姚海祥;;奇导协方差矩阵和任意收益率分布下均值-CVaR模型的有效边界特征[A];第十届中国管理科学学术年会论文集[C];2008年

6 姚海祥;李仲飞;;不允许买空时基于均值和CVaR的效用最大化模型[A];第十一届中国管理科学学术年会论文集[C];2009年

7 姚海祥;;一般椭球分布下VaR与CVaR投资组合选择模型[A];第十四届中国管理科学学术年会论文集(上册)[C];2012年

8 方毅;张屹山;;CVaR与VaR应用在RAPM进行基金绩效评价的比较研究[A];21世纪数量经济学（第6卷）[C];2005年

9 吴军;汪寿阳;;CVaR与供应链的风险管理[A];中国运筹学会第七届学术交流会论文集（中卷）[C];2004年

10 孟志青;虞晓芬;高辉;蒋敏;;基于条件风险值CVaR模型的房地产组合投资的风险度量与策略[A];第八届中国管理科学学术年会论文集[C];2006年

中国重要报纸全文数据库 前1条

1 同济大学经济与管理学院 王树娟;证券投资基金变动投资组合研究[N];证券日报;2004年

中国博士学位论文全文数据库 前7条

1 蒋敏;条件风险值（CVaR）模型的理论研究[D];西安电子科技大学;2005年

2 朱怀镇;基于CVaR的证券公司资本监管研究[D];厦门大学;2008年

3 徐新生;延迟供货情形下零售商基于CVaR准则的最优订购问题研究[D];浙江工业大学;2015年

4 邓兰松;基于EVT的证券公司市场风险管理的VaR与CVaR研究[D];天津大学;2004年

5 叶五一;VaR与CVaR的估计方法以及在风险管理中的应用[D];中国科学技术大学;2006年

6 王金凤;CVaR在电力市场风险管理中的应用研究[D];上海大学;2012年

7 许丽艳;解随机互补问题的CVaR-SP模型与DRO模型[D];大连理工大学;2015年

，

本文编号：806028