【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險,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險。因此,準確度量極端情形下的金融風險具有極其重要的意義。VaR技術產生于20世紀90年代,現(xiàn)已廣泛應用于各種金融工具的風險度量,成為國際金融市場主流的度量標準。常用的VaR計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期損失,對資產收益極端情形下的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)據中超過某一充分大閾值的部分進行建模,而不需要對整體數(shù)據事先假設一個特定的分布,即由數(shù)據本身來說明尾部分布,故降低了模型風險。將POT模型引入VaR的計算中,能夠更好地描述金融觀測數(shù)據的尾行為,進而準確計算極值VaR。在使用POT模型計算VaR的過程中,模型的參數(shù)估計是至關重要的一步,論文正是針對這方面做了一些嘗試性的研究。 首先,對POT模型中的兩個參數(shù)采用了Bayes估計。金融市場中,影響資產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)看作隨機變量是合理的。Bayes估計就是通過將參數(shù)視為隨機變量,把先驗信息與樣本信息結合起來對參數(shù)進行估計,從而有效地克服了樣本數(shù)據匱乏的缺點。將貝葉斯思想融入極值模型度量極端情形下的VaR,將同時兼顧投資者的經驗信息和觀察到的樣本信息,使得計算的VaR更加合理。 其次,在計算模型參數(shù)的Bayes估計時,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算方法,能把一些復雜的高維問題轉化為一系列簡單的低維問題。論文采用了一種最簡單、應用最廣泛的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)做了實證分析,得到了較理想的結果,這在一定程度上驗證了論文所建模型的適用性。
【學位授予單位】：重慶大學
【學位級別】：碩士
【學位授予年份】：2009
【分類號】：F224;F830.9

【引證文獻】

相關碩士學位論文 前1條

1 孫平利;POT模型在風暴潮債券中的應用[D];華東師范大學;2010年

，

本文編號：2614856