本文關(guān)鍵詞：基于MCMC參數(shù)估計(jì)的POT極值理論度量影子銀行與A股市場(chǎng)VaR-ES　出處：《中央財(cái)經(jīng)大學(xué)學(xué)報(bào)》2017年05期 　論文類型：期刊論文

  更多相關(guān)文章： 影子銀行 A股市場(chǎng) POT模型 MCMC估計(jì) GPD VaR估計(jì) ES估計(jì)

【摘要】：2008年次貸危機(jī)爆發(fā)后,美國(guó)學(xué)術(shù)界進(jìn)行了大量研究檢驗(yàn)影子銀行與股票市場(chǎng)的極值情況。在此背景下,筆者研究中國(guó)影子銀行的極值風(fēng)險(xiǎn),對(duì)今后進(jìn)一步研究極值影響性作出鋪墊。對(duì)極值數(shù)據(jù)的分布函數(shù),通常無(wú)法用高斯分布或者t分布來(lái)有效表達(dá)。金融時(shí)間序列的尖峰、拖尾、右偏情況,可以基于廣義帕累托分布的POT模型進(jìn)行對(duì)極值數(shù)據(jù)的擬合,確定超出安全閾值的極值數(shù)據(jù)的分布形式。利用Gibbs抽樣的貝葉斯MCMC模擬方法來(lái)估計(jì)模型的參數(shù),可以解決當(dāng)樣本數(shù)據(jù)不足時(shí)極大似然估計(jì)中誤差增大的問題,提高數(shù)據(jù)的擬合效果。筆者首次基于POT模型對(duì)中國(guó)影子銀行與A股市場(chǎng)的極值進(jìn)行實(shí)證研究,確定閾值后分別測(cè)算了MCMC估計(jì)和MLE估計(jì)下的VaR和ES。結(jié)果發(fā)現(xiàn):上證成交量極值風(fēng)險(xiǎn)更大,影子銀行極值風(fēng)險(xiǎn)相對(duì)較小。
[Abstract]:In 2008 after the outbreak of the subprime crisis, the academic circle has made lots of research to test extreme situation of shadow banking and stock market. Under this background, the author studies Chinese extreme risk shadow banks, to pave the way for further study on the influence of extreme value distribution functions. For extreme data, usually cannot use Gauss distribution or t distribution effectively expression. Financial time sequence of spikes, trailing, right, can fit the extreme data of POT model based on generalized Pareto distribution, determine the distribution form of extreme data beyond the safety threshold. The model parameters are estimated using the simulation method of Bayesian MCMC Gibbs sampling, can be solved when the sample data is insufficient for maximum likelihood estimation in error problem, improve the fitting effect of data. For the first time in the POT model based on extreme value of the shadow banking Chinese and A stock market Empirical research, after determining the threshold, calculates the VaR and ES. under MCMC estimation and MLE estimation respectively, and finds that the extreme risk of Shanghai Stock Exchange is bigger and the shadow banking extreme risk is relatively small.

【作者單位】： 中國(guó)社會(huì)科學(xué)院數(shù)量經(jīng)濟(jì)與技術(shù)經(jīng)濟(jì)研究所;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目“國(guó)際資本流動(dòng)與宏觀審慎性政策研究”(項(xiàng)目編號(hào):71303044)
【分類號(hào)】：F224;F832.3;F832.51
【正文快照】： 一、引言 2008年美國(guó)次貸危機(jī)爆發(fā)后,美國(guó)學(xué)術(shù)界和華爾街有觀點(diǎn)認(rèn)為影子銀行是導(dǎo)致金融危機(jī)的重要因素,后期美國(guó)學(xué)者進(jìn)行了大量的研究以證明影子銀行會(huì)產(chǎn)生金融危機(jī),并導(dǎo)致股市波動(dòng)性加大。然而,學(xué)術(shù)界并沒有研究過(guò)影子銀行的極值情況。檢驗(yàn)時(shí)間序列的極值通常利用POT模型較

【相似文獻(xiàn)】

相關(guān)期刊論文 前3條

1 楊英;張浩良;黎澤普;;影子銀行視角的小微企業(yè)融資博弈分析[J];浙江金融;2012年07期

2 于菁;;影子銀行對(duì)我國(guó)貨幣政策的影響研究——基于VAR模型的實(shí)證分析[J];蘭州學(xué)刊;2013年04期

3 ;[J];;年期

，

本文編號(hào)：1430570