论文部分内容阅读
金融风险的度量一直是金融机构以及一些研究人员亟待解决的问题。上世纪末的几大金融惨案使金融界的注意力聚焦在怎样更好的控制金融风险上,这导致了风险价值VaR这种金融风险度量工具的产生。VaR作为一种有效的金融风险测量方法,近年来受到了金融界广泛的关注,越来越多的银行及金融监管机构开始把VaR作为风险管理的标准。VaR的计算方法很多,但是如果使用不当,该方法同样也会给投资者以错误决策的引导。
为了提高计算精确度,本文将统计学极值理论中的广义Pareto分布(GPD)应用于VaR及ES的计算。传统的VaR计算都将资产回报看成正态分布,考虑的是分布的全部,而GPD只考虑分布的尾部,加上风险管理者关注的往往就是会给收益带来风险的尾部,所以采用GPD模型来拟合股市收益率的尾部分布,进而来估计股市的风险,要比传统的VaR计算方法估计更为精确。
本文采用的数据是上海证券交易所公布的上证综指和美国纽约证券交易所公布的道琼斯平均工业指数,利用广义Pareto分布拟合其收益率的尾部,并通过对广义Pareto分布的参数估计,来更精确的计算VaR和ES的值。
广义Pareto分布的参数估计方法有:极大似然估计(MLE)、概率权矩估计、L矩估计和Bayes估计,但是每种方法都有其适用的范围。所以本文针对GPD模型的参数提出了一种新的估计方法,并在股市中做了实证分析。本文首先采用使用较为广泛的极大似然估计方法,结合W2-A2统计量检验方法对上证综指和道琼斯指数的收益率的广义Pareto分布拟合进行阈值选取。然后,利用新的估计方法对GPD模型进行参数估计,将其与极大似然估计做一比较。
另外,因为我国股市尚没有做空机制,所以人们往往比较关心收益率的损失部分,但针对目前即将推出股指期货的情形下,我们不仅要关心买多情况下收益率下跌造成的损失概率,还要关心买空情况下的收益率上涨带来的风险。所以本文在研究时,将收益率分为正负两个部分,对其分别进行尾部拟合,独立进行参数估计和风险价值的计算。这样,可以为不同情况做出不同决策提供不同的依据。