本文關(guān)鍵詞：幾種分布下的Bayes統(tǒng)計推斷問題及極值理論在VaR中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：數(shù)理統(tǒng)計學(xué)中有兩大學(xué)派,經(jīng)典統(tǒng)計學(xué)派和貝葉斯統(tǒng)計學(xué)派,二者的最大區(qū)別在于如何理解分布中的參數(shù)。由于Bayes理論將未知參數(shù)看作是隨機變量,加入對先驗信息的考量,通常對小樣本有較好的估計效果,因此論文首先分別給出在共軛先驗分布下,正態(tài)和對數(shù)正態(tài)分布、Rayleigh分布及Frechet分布中參數(shù)的損失函數(shù)和風(fēng)險函數(shù)的Bayes估計及其為保守估計的一般條件,并說明條件的合理性,再分別利用滬深300的中國石化股票和鄂爾多斯股票的周收盤價數(shù)據(jù)、中國按行業(yè)分城鎮(zhèn)單位就業(yè)人員平均工資(2009)數(shù)據(jù)及上證指數(shù)的日收益率數(shù)據(jù)進行相應(yīng)的實證分析來闡明論文中的結(jié)論。其次,參數(shù)的Bayes估計和其可容許性問題是統(tǒng)計領(lǐng)域的一個研究熱點�？紤]到實際問題中參數(shù)估計的高或低所造成的風(fēng)險不對稱情形較多,論文利用一個修正的線性指數(shù)損失函數(shù)—Mlinex損失函數(shù),分別討論在此函數(shù)下逆伽馬分布尺度參數(shù)和兩參數(shù)廣義指數(shù)分布形狀參數(shù)的Bayes估計及其可容許性,并對各分布的一個充分統(tǒng)計量的逆線性形式的容許性進行分析,然后通過蒙特卡洛模擬說明小樣本情形下參數(shù)Bayes估計的精度一般優(yōu)于其最大似然估計和最小最大估計,與其一致最小方差無偏估計相當(dāng)。此外,論文還對金融市場中的風(fēng)險度量問題作出了探索和討論。隨著全球經(jīng)濟一體化和金融市場的波動不斷加劇,VaR理論已經(jīng)成為國際主流的風(fēng)險度量方式。近年來金融極端事件不斷發(fā)生,有關(guān)金融市場中極值風(fēng)險的討論也愈演愈烈,常規(guī)的VaR計算方法已經(jīng)難以滿足對極值風(fēng)險的研究需求。極值理論作為研究次序統(tǒng)計量極值分布特性的理論,不需要考慮收益分布的具體形式,可以對具有厚尾特征數(shù)據(jù)的風(fēng)險很好地擬合及度量。因此,論文以具有厚尾的中興通訊股票日收盤價數(shù)據(jù)為例,考察持有長期頭寸的情形,應(yīng)用極值理論中的BMM和POT兩大模型對損失分布進行擬合,并分別給出擬合模型下的VaR和相應(yīng)的ES值。針對POT模型中閾值的選取問題,論文提出了一種差異度量的方法,規(guī)避了用常規(guī)方法選取的主觀隨意性,這是本文的創(chuàng)新點之一。研究表明:相較于BMM模型,POT模型可以更好地捕捉極端數(shù)據(jù)信息,得到更切合實際的風(fēng)險度量結(jié)果,從而為投資者控制風(fēng)險提供參考。
【關(guān)鍵詞】：Bayes估計 可容許性 極值理論 BMM模型 POT模型
【學(xué)位授予單位】：北京工商大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：C81
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-16
• 1.1 研究背景及意義9-10
• 1.1.1 貝葉斯理論9-10
• 1.1.2 VaR理論10
• 1.2 國內(nèi)外文獻綜述和研究現(xiàn)狀10-13
• 1.2.1 Bayes理論相關(guān)研究10-12
• 1.2.2 VaR理論相關(guān)研究12-13
• 1.3 本文的創(chuàng)新性成果13-14
• 1.4 論文的主要工作14-16
• 第2章 研究的理論依據(jù)16-25
• 2.1 Bayes統(tǒng)計理論16-22
• 2.1.1 Bayes統(tǒng)計模型16-18
• 2.1.2 共軛先驗分布18-19
• 2.1.3 廣義先驗分布19
• 2.1.4 Bayes估計19-20
• 2.1.5 Bayes決策20-22
• 2.2 VaR模型概述22-25
• 2.2.1 VaR的定義22
• 2.2.2 VaR的常用度量方法22-24
• 2.2.3 VaR的應(yīng)用及優(yōu)缺點24-25
• 第3章 幾種分布中參數(shù)的損失函數(shù)和風(fēng)險函數(shù)的Bayes推斷25-39
• 3.1 正態(tài)和對數(shù)正態(tài)分布中參數(shù)的損失和風(fēng)險函數(shù)的Bayes推斷25-30
• 3.1.1 正態(tài)模型中尺度參數(shù)的Bayes估計26-27
• 3.1.1.1 正態(tài)分布尺度參數(shù)的估計與后驗分布26
• 3.1.1.2 損失函數(shù)的Bayes估計26-27
• 3.1.1.3 風(fēng)險函數(shù)的Bayes估計27
• 3.1.2 對數(shù)正態(tài)模型中形狀參數(shù)的Bayes估計27
• 3.1.3 γ_B(x)與φ(δ_B)為保守估計的條件27-28
• 3.1.4 實證分析28-30
• 3.2 Rayleigh分布中參數(shù)估計的損失函數(shù)和風(fēng)險函數(shù)的Bayes推斷30-35
• 3.2.1 Bayes估計30-32
• 3.2.1.1 Rayleigh分布參數(shù)的估計與后驗分布30-31
• 3.2.1.2 損失函數(shù)的Bayes估計31
• 3.2.1.3 風(fēng)險函數(shù)的Bayes估計31-32
• 3.2.2 γ_B(x)與φ(δ_B)為保守估計的條件32-33
• 3.2.3 實證分析33-35
• 3.3 Frechet分布中參數(shù)估計的損失函數(shù)和風(fēng)險函數(shù)的Bayes推斷35-39
• 3.3.1 Bayes估計35-36
• 3.3.1.1 Frechet分布參數(shù)的估計與后驗分布35-36
• 3.3.1.2 損失函數(shù)的Bayes估計36
• 3.3.1.3 風(fēng)險函數(shù)的Bayes估計36
• 3.3.2 γ_B(x)與φ(δ_B)為保守估計的條件36-37
• 3.3.3 實證分析37-39
• 第4章 Mlinex損失函數(shù)下幾種分布中參數(shù)的Bayes估計39-47
• 4.1 Mlinex損失函數(shù)下逆伽馬分布尺度參數(shù)的Bayes估計39-43
• 4.1.1 尺度參數(shù)的Bayes估計及其可容許性39-41
• 4.1.2 形如[d_1t+d_2]~(-1)的估計量的可容許性41-42
• 4.1.3 數(shù)值模擬42-43
• 4.2 Mlinex損失函數(shù)下廣義指數(shù)分布形狀參數(shù)的Bayes估計43-47
• 4.2.1 形狀參數(shù)的Bayes估計及其容許性43-44
• 4.2.2 形如[d_1t+d_2]~(-1)的估計量的容許性44-45
• 4.2.3 數(shù)值模擬45-47
• 第5章 基于極值理論的VaR計算47-55
• 5.1 極值理論介紹47-51
• 5.1.1 BMM模型48-49
• 5.1.2 POT模型49-51
• 5.2 實證分析51-54
• 5.2.1 數(shù)據(jù)的選取及描述性分析51-52
• 5.2.2 兩類模型的應(yīng)用及結(jié)果分析52-54
• 5.3 小結(jié)54-55
• 第6章 總結(jié)與展望55-56
• 參考文獻56-60
• 在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果60-61
• 致謝61

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉浪;費明虎;;基于極值理論的煤礦事故風(fēng)險分析[J];南昌航空大學(xué)學(xué)報(社會科學(xué)版);2012年02期

2 周世新;毛韻;;基于極值理論的投資組合風(fēng)險研究[J];南昌大學(xué)學(xué)報(人文社會科學(xué)版);2009年05期

3 肖海清;孟生旺;;極值理論及其在巨災(zāi)再保險定價中的應(yīng)用[J];數(shù)理統(tǒng)計與管理;2013年02期

4 李秀敏;劉經(jīng)華;劉金憲;劉梅星;;滬深股市投資風(fēng)險的極值理論分析[J];內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(社會科學(xué)版);2008年05期

5 田新時,郭海燕;極值理論在風(fēng)險度量中的應(yīng)用——基于上證180指數(shù)[J];運籌與管理;2004年01期

6 肖敬紅,繆柏其,吳振翔;應(yīng)用極值理論計算VaR的一種方法[J];運籌與管理;2005年01期

7 趙息;劉崢然;張亞楠;;極值理論高頻VaR區(qū)間估計模型的構(gòu)建[J];天津大學(xué)學(xué)報(社會科學(xué)版);2010年04期

8 王元月;杜希慶;曹圣山;;閾值選取的Hill估計方法改進——基于極值理論中POT模型的實證分析[J];中國海洋大學(xué)學(xué)報(社會科學(xué)版);2012年03期

9 覃筱;任若恩;;多元極值的參數(shù)建模方法及其金融應(yīng)用:最新進展述評[J];統(tǒng)計研究;2010年07期

10 肖敬紅;;基于Hill估計的VaR計算——以次貸危機為例[J];嘉興學(xué)院學(xué)報;2009年05期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 陳倩;;基于極值理論的商業(yè)銀行操作風(fēng)險度量研究[A];第十四屆中國管理科學(xué)學(xué)術(shù)年會論文集(上冊)[C];2012年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 張相賢;基于極值理論的金融資產(chǎn)配置研究[D];東華大學(xué);2011年

2 花擁軍;極值理論在中國股市風(fēng)險度量中的應(yīng)用研究[D];重慶大學(xué);2009年

3 余為麗;基于極值理論的VaR及其在中國股票市場風(fēng)險管理中的應(yīng)用[D];華中科技大學(xué);2006年

4 紀(jì)比拉;基于極值理論的國際權(quán)益資產(chǎn)組合下側(cè)風(fēng)險測量[D];天津大學(xué);2005年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王慶曉;基于極值理論的動態(tài)風(fēng)險價值的研究[D];山東大學(xué);2009年

2 賀壬癸;基于極值理論的我國銀行間同業(yè)拆借利率的風(fēng)險度量[D];蘭州大學(xué);2012年

3 曹丹;基于極值理論的動態(tài)極端風(fēng)險度量及其應(yīng)用研究[D];浙江財經(jīng)學(xué)院;2011年

4 晏玉香;極值理論中的極值指標(biāo)以及上端點的性質(zhì)研究[D];南京師范大學(xué);2007年

5 龔維維;基于極值理論的巨災(zāi)風(fēng)險管理研究[D];西南財經(jīng)大學(xué);2014年

6 付連軍;極值理論與商業(yè)銀行重大損失研究[D];首都經(jīng)濟貿(mào)易大學(xué);2005年

7 崔素娟;基于動靜態(tài)極值理論的人民幣匯率風(fēng)險測度[D];東北財經(jīng)大學(xué);2010年

8 張靜;基于極值理論的我國商業(yè)銀行匯率風(fēng)險管理研究[D];重慶理工大學(xué);2011年

9 王悅;基于極值理論的我國開放式基金業(yè)績評價的實證研究[D];浙江大學(xué);2012年

10 李惟佳;基于極值理論的股票的流動性風(fēng)險度量及其應(yīng)用研究[D];南京航空航天大學(xué);2011年

  本文關(guān)鍵詞：幾種分布下的Bayes統(tǒng)計推斷問題及極值理論在VaR中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

，

本文編號：325153