论文部分内容阅读
研究发现国际金融市场具有很强的下侧共同运动的特征,这也是引发大部分金融危机的诱因。这种特征的出现是因为当下侧极端事件发生时,金融时间序列数据呈现出厚尾和聚集的现象。为了测度国际金融市场资产组合的下侧共同运动的程度,从上世纪70年代开始提出了未达均值半方差、未达目标半方差、低阶部分矩和VaR等概念和方法,并取得一些重要的成果。但是,由于缺乏有效的、可实际应用于测度金融极端风险事件的模型,使得这些方法的作用十分有限。本文提出了测度国际证券组合和国际证券组合汇率下侧风险的方法,并给出了基于移动极大值过程的多变量极大值的计算n维资产组合的下侧风险的方法。第一种方法通过将单个资产组合时间序列的不同持有期限视为时间上的聚集,可以管理单个资产组合的下侧风险。如果模型是正确的,它就可以给出真实的下侧风险测度。第二种方法是基于条件相关的二维资产组合下侧风险测度,条件相关要优于非条件相关。本文第二章绘制了双变量资产组合收益对VaR的图,这些图可以作为投资规划的投资者的效用曲线。第三种方法是第一种方法的多变量形式,它可以实际用于n维资产组合下侧风险的度量。通过与第二种方法的比较可以发现,这种方法似乎更为有效。采用第三种方法计算VaR值,并使用概率方法优化资产组合,结果显示比传统的方差-协方差方法更有效。上述所有这三种计算方法都考虑了基于广义帕累托分布的超域值技术。通过假定样本分布属于多变量极值分布的吸引域,本文估计了标准化的和转化过的观测数据的基于移动极大值过程的多变量极大值的参数。如何在给定风险水平下最大化期望收益,或者等价的说在给定期望收益条件下最小化风险,以有效管理资产组合下侧风险,是判断一个金融系统运作成败的关键。采用上述三种方法对MSCI （Morgan and Stanley Capital International）权益价格指数的负收益率和SAFE （China State Administration of Foreign Exchange）外汇率的收益率进行分析,我们发现对那些标准化后的金融数据进行建模的最佳方法是假定数据短范围相关并具有稳定性的模型。同时发现计算资产组合VaR值的最佳方法是将损失表述为Lt = V0( 1 -exp(-R（t）)),其中V0是t=0时刻的市场价值,然后采用分位数法计算VaR值并用此结果来计算新的VaR值的期望赤字方法。在对下侧市场资产组合进行二元分析时,我们发现在熊市时极值收益率的条件相关系数增加,这一点与金融学者最近的研究结果一致。但是当选择中国证券市场