论文部分内容阅读
本文从两个方面对VaR的计算方法作了适当的改进和补充,其一,探讨了在APARCH模型及有偏分布下的VaR计算,不仅在APARCH模型的基础上考虑了杠杆效应,而且考虑了残差序列的非对称分布;其二,研究了基于非参数Bootstrap方法的VaR计算。二者结合,形成一种新的方法:基于波动率模型及非参数Bootstrap方法的VaR计算。从理论上分析这种方法具有很好的应用价值,经过实证分析,对提高VaR的估计精确度有很好的效果。
主要的工作在于探讨了基于波动率模型下的VaR计算,在用波动率模型滤波之后,对标准化的残差序列,分别采用参数方法和非参数方法进行分布拟合,求出标准化残差分位数,然后再回到波动率模型,利用残差分位数求出损失分位数,即VaR值;在参数方法中,我们分别在有偏分布和对称分布条件下,探讨了VaR的计算,得出在偏度参数正确选择的情况下,基于有偏分布的VaR计算要优于对称分布;在第三章中我们介绍了非参数Bootstrap方法,并简要说明了将其用于分位数估计和密度函数核估计的步骤。在第四章中将非参数Bootstrap方法引入波动率模型,用来估计残差序列的分位数。经过滤波之后的残差序列虽然分布未知,但是独立同分布的,这样用非参数Bootstrap方法的对残差序列进行模拟,可以估计残差分布的特征数。在把模型应用美元兑日元汇率的实证分析及与其他模型的比较分析中,我们看出新方法对提高VaR的计算精度有一定的效果。最后,对本文的研究背景和研究内容作了总结,并对金融风险测量技术的发展提出了自己的看法和希望。