【摘要】：經(jīng)典的風(fēng)險(xiǎn)理論通常是根據(jù)收益率序列的樣本數(shù)據(jù)估計(jì)資產(chǎn)組合損失分布函數(shù),然后得出一定置信水平下的可能損失。但近年來,人們越來越發(fā)現(xiàn)根據(jù)總體損失數(shù)據(jù)得到的損失分布模型在高頻率低損失的中心區(qū)域擬合效果比較好,但在低頻率大損失的尾部擬合效果往往表現(xiàn)欠佳。而恰恰是位于損失分布尾部的極端風(fēng)險(xiǎn)事件,對相當(dāng)數(shù)量的機(jī)構(gòu)和個(gè)人投資者而言,由于缺乏有效預(yù)判和充足的風(fēng)險(xiǎn)準(zhǔn)備,后果經(jīng)常是災(zāi)難性的。因此,尾部風(fēng)險(xiǎn)的度量已成為金融風(fēng)險(xiǎn)領(lǐng)域研究的重要內(nèi)容。本文在金融危機(jī)的影響尚未消散,各國及全球金融市場仍處于恢復(fù)、調(diào)整期,甚至有可能面臨二次危機(jī)的嚴(yán)峻形勢下,把目光匯聚于極端情況下金融市場風(fēng)險(xiǎn)的度量與管理,通過理論探討和實(shí)證分析研究行之有效的方法,為識別和管理風(fēng)險(xiǎn)創(chuàng)造良好條件,無疑具有很強(qiáng)的現(xiàn)實(shí)意義。 極值模型和壓力測試是重要的極端風(fēng)險(xiǎn)事件分析工具,近年來,人們將其引入VaR模型,用以進(jìn)行金融市場尾部風(fēng)險(xiǎn)測度,取得了比較好的效果。但是,極值模型和壓力測試在應(yīng)用過程中仍然面臨一些問題,理論研究者和風(fēng)險(xiǎn)管理實(shí)踐者仍在不斷研究其改進(jìn)方法。本文正是從這些問題中選取了部分對模型有效性有重要影響的問題開展研究和討論,包括閾值如何選取、樣本數(shù)據(jù)的尾部相關(guān)性和極值指數(shù)的估計(jì)、滿足一致性要求的壓力測試風(fēng)險(xiǎn)度量模型等問題,得到了一些令人滿意的結(jié)果。同時(shí),在研究資產(chǎn)組合個(gè)體風(fēng)險(xiǎn)測度模型的基礎(chǔ)上,本文還重點(diǎn)討論了極端情況下的系統(tǒng)性風(fēng)險(xiǎn)管理,并從宏觀審慎性監(jiān)管的視角,提出了完善我國金融監(jiān)管體制架構(gòu)的建議。 本文的主要研究工作及成果可歸納如下:第一章介紹了論文研究的理論與現(xiàn)實(shí)意義,以文獻(xiàn)綜述的形式介紹了國內(nèi)外關(guān)于極值理論、壓力測試等方面的研究成果,概述了論文的研究內(nèi)容、研究方法和主要創(chuàng)新。第二章主要是介紹極值分布的基本理論,重點(diǎn)介紹了極值模型的研究對象和極值型定理,廣義極值分布和廣義Pareto模型形式及原理,以及GEV模型中形狀參數(shù)的估計(jì)問題。第三章基于變點(diǎn)理論探討了GPD模型中的閾值選取問題,所得模型克服了傳統(tǒng)閾值選取方法存在的局限性。第四章重點(diǎn)研究了樣本數(shù)據(jù)的尾部相關(guān)性和極值指數(shù)的估計(jì)問題,對上證綜指(SHCI)和標(biāo)準(zhǔn)普爾500指數(shù)(SP500)收益率數(shù)據(jù)進(jìn)行了尾指數(shù)的實(shí)際計(jì)算與比較。之后,依次回顧了分塊估計(jì)方法、倒數(shù)串估計(jì)法、串估計(jì)法以及Ferro-Segers方法計(jì)算極值指數(shù)的過程及原理,并分別計(jì)算了SHCI和SP500收益率數(shù)據(jù)用上述方法得到的極值指數(shù)。最后,提出了一種新的計(jì)算極值指數(shù)的計(jì)量方法,并證明了其有效性。第五章討論了一致性框架下的壓力測試風(fēng)險(xiǎn)度量模型,將極值分布作為壓力測試情景的具體分布形式,在SHCI收益率樣本數(shù)據(jù)中引入壓力測試情景(模擬損失),應(yīng)用歷史模擬法、EGARCH(1,1)-M模型進(jìn)行了實(shí)證檢驗(yàn)。第六章從分析金融危機(jī)爆發(fā)以來各主要經(jīng)濟(jì)體采取的應(yīng)對措施入手,討論了極端情況下的系統(tǒng)性風(fēng)險(xiǎn)管理問題,分析了宏觀審慎監(jiān)管的原則、框架以及與微觀審慎監(jiān)管的區(qū)別與聯(lián)系,提出了相關(guān)建議。 本文采取理論研究為主,實(shí)證分析為輔的研究方法,以定量研究為主要手段,以定性分析為補(bǔ)充。創(chuàng)新之處體現(xiàn)在理論和應(yīng)用兩個(gè)方面: 理論創(chuàng)新包括,給出了基于變點(diǎn)理論的GPD模型閾值估計(jì)和樣本區(qū)間分割方法,從理論和實(shí)證方面證明了二階差分變點(diǎn)閾值選取方法的有效性;提出了極值指數(shù)的計(jì)量估計(jì)方法,討論了此種方法的估計(jì)原理,并將實(shí)證分析結(jié)果與原有的極值指數(shù)估計(jì)方法進(jìn)行了比較;將GPD模型作為壓力測試情景的具體分布形式,構(gòu)建了壓力測試的一致性框架;從分析金融危機(jī)爆發(fā)以來各主要經(jīng)濟(jì)體采取的應(yīng)對措施入手,討論了極端情況下的系統(tǒng)性風(fēng)險(xiǎn)管理,并從宏觀審慎監(jiān)管視角,提出了完善我國金融監(jiān)管體制架構(gòu)的建議。 應(yīng)用創(chuàng)新包括,將從理論上探討出的二階差分變點(diǎn)閾值選取方法應(yīng)用于VaR的估計(jì)中,對目前文獻(xiàn)中的相關(guān)方法只能粗略估計(jì)閾值的狀況進(jìn)行了改進(jìn),并實(shí)際估計(jì)了上證綜合指數(shù)收益率在不同置信水平下的VaR值;分析比較了SHCI和Sp500收益率數(shù)據(jù)的尾指數(shù),得出了上證綜指收益率服從的邊際分布右尾較SP500厚,但無法識別SHCI與SP500收益率服從的邊際分布左尾厚度差異性的結(jié)論;應(yīng)用分塊估計(jì)方法、倒數(shù)串估計(jì)法、串估計(jì)法以及Ferro-Segers方法計(jì)算了上證綜合指數(shù)和SP500收益率數(shù)據(jù)的極值指數(shù),并將計(jì)算結(jié)果應(yīng)用于VaR的實(shí)際計(jì)算,得到了不同置信水平下的VaR值;應(yīng)用極值指數(shù)的計(jì)量估計(jì)方法實(shí)際計(jì)算了上證綜合指數(shù)和SP500收益率數(shù)據(jù)的極值指數(shù),得到了與原有估計(jì)方法較為相近的結(jié)果;對引入壓力測試情景的樣本數(shù)據(jù)應(yīng)用EGARCH(1,1)—M模型估計(jì)了動態(tài)VaR和ES值,結(jié)果表明壓力測試情景對估計(jì)結(jié)果的影響較為顯著,在95%置信水平下,將EGARCH(1,1)—M模型估計(jì)的動態(tài)VaR進(jìn)行了Kupiec檢驗(yàn),證明了其能夠較為準(zhǔn)確地測度SHCI收益率的動態(tài)風(fēng)險(xiǎn)。
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2011
【分類號】：F224;F830.9
【圖文】：

圖 2.1 標(biāo)準(zhǔn)極值分布密度圖（ 1）圖 2.1 即為當(dāng) 1時(shí)，F(xiàn)réchet 分布族、Weibull 分布族和 Gumbel 分布族的標(biāo)準(zhǔn)形式的概率密度函數(shù)。極值型定理證明了如下結(jié)論：通過選取適當(dāng)?shù)?0 na 和 {}nb ，可以使得 nnnM ba依分布收斂于一個(gè)非退化分布，且該非退化分布必屬于上述三種分布族之一。這三種分布族也被稱為極值分布。極值型定理表明，當(dāng)nM 平穩(wěn)時(shí)，其標(biāo)準(zhǔn)化變量*nM 服從非退化的極值分布，且分布形式可知。從這個(gè)意義上說，極值型定理在極值理論中的作用就相當(dāng)于中心極限定理。2.2 極值分布的形式2.2.1 廣義極值分布（GEV）

圖 2.2 GEV 分布函數(shù)圖為了簡便起見，可以重新表述極值型定理為如下形式：定理 2.2：如果存在常數(shù)序列 0 na 和 nb ，使得 zGznaMbnnnPr ,（2.2.2）其中， nnM maxX,X,,X12 ， G 為一個(gè)非退化的分布函數(shù)，那么 G 屬于 GEV 族，即 zzG zexpexp, 在定理 2.2 中，我們在 n 時(shí)得到了 G z這一極限分布。這也提示我們可以用 GEV族來刻畫長序列中的最大值的分布，標(biāo)準(zhǔn)化常數(shù)未知的問題在實(shí)踐中也很容易處理。假設(shè)， MbazGzPr （2.2.3）

GzMzGzbannn*Pr 顯而易見， Gz*仍屬于 GEV 族。換句話說，如果定理 2.1 能夠使得當(dāng)n 足夠大時(shí)，*nM 的近似分布屬于 GEV 族，那么nM 的近似分布也同樣屬于 GEV 族，只不過分布參數(shù)有所不同。因此，在分布形式確定的情況下，我們的任務(wù)就是要估計(jì)分布參數(shù)。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鐘波;陳珂;;運(yùn)用基于Bayes估計(jì)的閾值模型計(jì)算VaR[J];北京工商大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年05期

2 李鋒;劉澄;;基于極值理論的金融風(fēng)險(xiǎn)研究[J];商業(yè)研究;2010年05期

3 劉曉星;;風(fēng)險(xiǎn)價(jià)值、壓力測試與金融系統(tǒng)穩(wěn)定性評估[J];財(cái)經(jīng)問題研究;2009年09期

4 王敬;劉華;;LOF流動性風(fēng)險(xiǎn)度量與實(shí)證研究[J];大連理工大學(xué)學(xué)報(bào)(社會科學(xué)版);2009年01期

5 楊青;薛宇寧;蔣科;;極端金融風(fēng)險(xiǎn)度量模型述評——基于一致性原理的VaR改進(jìn)方法[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);2009年06期

6 花擁軍;張宗益;;極值BMM與POT模型對滬深股市極端風(fēng)險(xiǎn)的比較研究[J];管理工程學(xué)報(bào);2009年04期

7 何琳潔,文鳳華,馬超群;基于一致性風(fēng)險(xiǎn)價(jià)值的投資組合優(yōu)化模型研究[J];湖南大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年02期

8 蔣祥林,王春峰;基于SWARCH的VaR及壓力測試值的一致性估計(jì)[J];管理科學(xué);2005年01期

9 韓德宗;王興鋒;楊敏敏;樓迎軍;;基于極值譜風(fēng)險(xiǎn)測度的動態(tài)保證金水平設(shè)定[J];管理科學(xué);2009年01期

10 李健全;;系統(tǒng)性風(fēng)險(xiǎn)新認(rèn)識與我國宏觀審慎監(jiān)管探索[J];金融與經(jīng)濟(jì);2010年07期

本文編號：2798660