【摘要】： 近年來,金融極端事件頻繁發(fā)生,金融市場中潛伏著巨大的極值風(fēng)險(xiǎn),這是一種很少發(fā)生然而一旦發(fā)生卻將引起巨大損失的市場風(fēng)險(xiǎn)。因此,準(zhǔn)確度量極端情形下的金融風(fēng)險(xiǎn)具有極其重要的意義。VaR技術(shù)產(chǎn)生于20世紀(jì)90年代,現(xiàn)已廣泛應(yīng)用于各種金融工具的風(fēng)險(xiǎn)度量,成為國際金融市場主流的度量標(biāo)準(zhǔn)。常用的VaR計(jì)算方法主要包括歷史模擬法、方差—協(xié)方差法和蒙特卡羅模擬法,這些方法都是度量正常市場條件下的預(yù)期損失,對資產(chǎn)收益極端情形下的VaR難以較好地度量。 極值理論是專門研究次序統(tǒng)計(jì)量極端值分布特征的理論。POT模型是極值理論中常用的模型之一,它是對數(shù)據(jù)中超過某一充分大閾值的部分進(jìn)行建模,而不需要對整體數(shù)據(jù)事先假設(shè)一個(gè)特定的分布,即由數(shù)據(jù)本身來說明尾部分布,故降低了模型風(fēng)險(xiǎn)。將POT模型引入VaR的計(jì)算中,能夠更好地描述金融觀測數(shù)據(jù)的尾行為,進(jìn)而準(zhǔn)確計(jì)算極值VaR。在使用POT模型計(jì)算VaR的過程中,模型的參數(shù)估計(jì)是至關(guān)重要的一步,論文正是針對這方面做了一些嘗試性的研究。 首先,對POT模型中的兩個(gè)參數(shù)采用了Bayes估計(jì)。金融市場中,影響資產(chǎn)收益率的因素是變化的,故其分布的參數(shù)也是不斷變化的,因此將參數(shù)看作隨機(jī)變量是合理的。Bayes估計(jì)就是通過將參數(shù)視為隨機(jī)變量,把先驗(yàn)信息與樣本信息結(jié)合起來對參數(shù)進(jìn)行估計(jì),從而有效地克服了樣本數(shù)據(jù)匱乏的缺點(diǎn)。將貝葉斯思想融入極值模型度量極端情形下的VaR,將同時(shí)兼顧投資者的經(jīng)驗(yàn)信息和觀察到的樣本信息,使得計(jì)算的VaR更加合理。 其次,在計(jì)算模型參數(shù)的Bayes估計(jì)時(shí),采用了MCMC方法。MCMC方法作為一種簡單而行之有效的貝葉斯計(jì)算方法,能把一些復(fù)雜的高維問題轉(zhuǎn)化為一系列簡單的低維問題。論文采用了一種最簡單、應(yīng)用最廣泛的MCMC方法——單元素Gibbs抽樣方法。 最后,選取我國股票市場的深證綜合指數(shù)做了實(shí)證分析,得到了較理想的結(jié)果,這在一定程度上驗(yàn)證了論文所建模型的適用性。
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2009
【分類號】：F224;F830.9

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

1 孫平利;POT模型在風(fēng)暴潮債券中的應(yīng)用[D];華東師范大學(xué);2010年

，

本文編號：2614856