本文關(guān)鍵詞：基于混合分布的VaR估計(jì)及其應(yīng)用　出處：《電子科技大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 混合分布 VaR 核密度估計(jì) NM-GARCH 極值理論

【摘要】：隨著金融衍生品的豐富和信息技術(shù)的發(fā)展,金融市場(chǎng)的交易范圍與交易速度大大提升,金融產(chǎn)品種類也大大增加。金融市場(chǎng)的交易量快速增加,不同地區(qū)金融市場(chǎng)間的關(guān)聯(lián)性不斷增強(qiáng)。當(dāng)金融風(fēng)險(xiǎn)事件發(fā)生時(shí),會(huì)迅速傳播影響到關(guān)聯(lián)地區(qū),重則引發(fā)多國(guó)性的區(qū)域金融危機(jī)。歷史上的多次大規(guī)模金融危機(jī)印證了這一點(diǎn),因此金融管理機(jī)構(gòu)越來越重視金融風(fēng)險(xiǎn)管理。《巴塞爾協(xié)議》1996年修正案引入在險(xiǎn)價(jià)值VaR(Value at Risk)這一概念,來對(duì)銀行資本金的風(fēng)險(xiǎn)進(jìn)行度量。此后VaR得到了廣泛的應(yīng)用,成為通用的風(fēng)險(xiǎn)度量指標(biāo)。現(xiàn)有的VaR估計(jì)方法主要分為三類:參數(shù)方法,主要為各類GARCH族模型;半?yún)?shù)方法,主要為基于極值理論的估計(jì)方法;非參數(shù)方法,主要包括歷史模擬法、蒙特卡洛法等。現(xiàn)有的VaR估計(jì)方法基本都假定收益率分布為單一分布,如傳統(tǒng)的正態(tài)分布、t分布等,而非混合分布。相較單一分布,混合分布擁有多個(gè)子分布,能夠更為靈活地生成非對(duì)稱分布與厚尾分布,更準(zhǔn)確地刻畫金融收益率的非對(duì)稱特征與高峰厚尾特征。本文將收益率分布假定為混合分布,提出了一種基于混合分布的VaR非參數(shù)估計(jì)方法及參數(shù)化的NM-GARCH-POT模型。在基于混合分布的VaR非參數(shù)估計(jì)方法中,假定不同市場(chǎng)行情下的收益率服從不同的子分布,通過檢驗(yàn)日內(nèi)收盤價(jià)序列的平穩(wěn)性來對(duì)子分布進(jìn)行分類。使用基于Bootstrap的核密度估計(jì)方法估計(jì)子分布的概率密度。最后利用子分布概率密度函數(shù)與子分布出現(xiàn)概率,使用蒙特卡洛模擬法得到總體分布的VaR估計(jì)值。根據(jù)子分布出現(xiàn)概率是否為條件概率的不同,分別構(gòu)建了無條件混合分布模型(u-MD)與條件混合分布模型(c-MD)。實(shí)證結(jié)果表明u-MD模型與c-MD模型都是有效的VaR估計(jì)模型,相較GARCH族模型有更好的空頭估計(jì)效果,在不同數(shù)據(jù)上有更穩(wěn)定的估計(jì)表現(xiàn)。參數(shù)化的NM-GARCH-POT模型假定隨機(jī)擾動(dòng)項(xiàng)服從有兩個(gè)子分布的混合正態(tài)分布。首先使用NM-GARCH模型對(duì)收益率序列進(jìn)行建模,估計(jì)收益率樣本的條件均值與條件方差并計(jì)算得到標(biāo)準(zhǔn)化殘差。然后使用POT模型對(duì)標(biāo)準(zhǔn)化殘差建模,估計(jì)出標(biāo)準(zhǔn)化殘差的分位數(shù)。最后通過公式計(jì)算得到收益率的VaR。實(shí)證結(jié)果表明NM-GARCH-POT模型能夠準(zhǔn)確地表述收益率分布尾部,是一種有效的VaR估計(jì)方法。
[Abstract]:With the development of financial derivatives and rich information technology, transaction scope and financial market transaction speed is greatly improved, the variety of financial products has greatly increased. The rapid increase in the trading volume of the financial market, the financial markets association between different regions is growing. When the financial risk event occurs, will affect the rapid spread of related areas, heavy it triggered the financial crisis in the history of the region. Many large-scale financial crisis proved this point, so the financial management institutions should pay more attention to financial risk management. The Basel accord >1996 amendment into the value at risk VaR (Value at Risk) this concept, to the risk of Bank capital measurement. Since the VaR has been widely used as a general risk measurement index. The existing VaR estimation method is mainly divided into three categories: parametric methods, mainly for all types of semi parametric GARCH models; The main method for estimation method based on extreme value theory; non parametric methods, including historical simulation method, Monte Carlo method. The existing VaR estimation method basically assumes that the rate of return distribution for a single distribution, such as the traditional normal distribution, t distribution, and non mixed distribution. Compared with the single phase distribution, with mixed distribution the sub distribution can be more flexible to generate asymmetric distribution and heavy tailed distribution, more accurately describe the characteristics of asymmetric features with high peak and thick tail of the financial rate of return. The rate of return distribution is assumed for the mixed distribution, based on the mixed VaR distribution NM-GARCH-POT model method and non parametric parameters estimated. In the non parameter estimation method in mixed distribution based on the VaR assumption in different market conditions yields obey different sub distribution, through the stationary test days closing price series to sub distribution points Use the Bootstrap class. The kernel density estimation method to estimate the probability density distribution. Finally based on the sub sub distribution probability density function and probability distribution, using Monte Carlo simulation method to obtain the overall distribution of VaR estimates. According to the distribution of probability is a conditional probability, respectively established the unconditional mixture distribution model (u-MD) and conditions of mixed distribution model (c-MD). The empirical results show that the u-MD model and c-MD model are effective VaR estimation model, compared with the GARCH model has a better estimation effect is short, estimation performance is more stable in different data. We assume that the random perturbation obey mixed two sub distribution of normal distribution of NM-GARCH-POT model parametric. First use the NM-GARCH model of the return series, and the estimation of the conditional mean conditional yield variance of sample and calculate the standard residuals Then, we use POT model to model standardized residuals, estimate the quantile residuals of standardized residuals. Finally, we get the VaR. rate of return through formula calculation. The empirical results show that NM-GARCH-POT model can accurately represent the tail of yield distribution, and it is an effective VaR estimation method.

【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F224

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王承煒,吳沖鋒,朱戰(zhàn)宇;混合分布理論研究[J];上海交通大學(xué)學(xué)報(bào);2004年03期

2 朱永安,石禮英;基于混合分布假說的股市價(jià)量關(guān)系研究[J];集美大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版);2003年03期

3 趙國(guó)慶;魏軍;;基于信息傳播的混合GARCH模型[J];統(tǒng)計(jì)研究;2006年08期

4 陳強(qiáng),侯建強(qiáng);中國(guó)股市波動(dòng)性與交易量的關(guān)系——基于混合分布假說的實(shí)證研究[J];蘭州商學(xué)院學(xué)報(bào);2004年04期

5 陳強(qiáng),侯建強(qiáng);中國(guó)股市波動(dòng)性與交易量的關(guān)系:基于混合分布假說的實(shí)證研究[J];云南財(cái)貿(mào)學(xué)院學(xué)報(bào);2004年05期

6 王濤;蔡建峰;;航空復(fù)雜產(chǎn)品項(xiàng)目活動(dòng)時(shí)間混合分布估算模型的改進(jìn)[J];運(yùn)籌與管理;2012年04期

7 何興強(qiáng),劉醒云;我國(guó)股市波動(dòng)非對(duì)稱性和混合分布假定的經(jīng)驗(yàn)分析[J];南開經(jīng)濟(jì)研究;2005年03期

8 趙雪妮;張茂軍;王文華;;基于單因子混合分布的BDS定價(jià)模型[J];桂林電子科技大學(xué)學(xué)報(bào);2013年06期

9 楊彬;滬市A股交易量與收益率及波動(dòng)性的關(guān)系——基于混合分布模型的實(shí)證研究[J];統(tǒng)計(jì)與決策;2005年08期

10 楊瑞成;秦學(xué)志;陳田;周穎穎;;基于混合分布單因子模型的CDO定價(jià)問題[J];數(shù)理統(tǒng)計(jì)與管理;2009年06期

相關(guān)會(huì)議論文 前2條

1 張鋒;王盼;陳志軍;;陜北侏羅紀(jì)煤田中雞勘查區(qū)煤層厚度的混合分布特征[A];第十二屆全國(guó)數(shù)學(xué)地質(zhì)與地學(xué)信息學(xué)術(shù)研討會(huì)論文集[C];2013年

2 胡軍;周任軍;胡敏;;發(fā)電資產(chǎn)分配的WCVaR風(fēng)險(xiǎn)度量方法[A];中國(guó)高等學(xué)校電力系統(tǒng)及其自動(dòng)化專業(yè)第二十四屆學(xué)術(shù)年會(huì)論文集（中冊(cè)）[C];2008年

相關(guān)碩士學(xué)位論文 前5條

1 肖佳文;基于混合分布的VaR估計(jì)及其應(yīng)用[D];電子科技大學(xué);2015年

2 楊建設(shè);一類特殊混合分布的參數(shù)估計(jì)[D];武漢科技大學(xué);2009年

3 高偉;混合分布下恒加試驗(yàn)的統(tǒng)計(jì)分析[D];西北工業(yè)大學(xué);2004年

4 劉斌才;混合分布假說在我國(guó)股票市場(chǎng)的實(shí)證檢驗(yàn)[D];東北財(cái)經(jīng)大學(xué);2005年

5 陳含;孤立性囊腫腎臟的混合分布超聲仿真研究[D];云南大學(xué);2015年

，

本文編號(hào)：1394202