基于IS的VaR與CVaR計算與實證分析.pdf

1、VaR(在險價值)和CVaR(條件風(fēng)險價值)理論是當(dāng)今社會上在識別、度量和分析風(fēng)險領(lǐng)域發(fā)展得比較成熟的理論，在世界范圍內(nèi)都得到了廣泛的運用。但Artzner指出VaR不滿足次可加性，不是一致風(fēng)險估計量，且對風(fēng)險變量尾部損失的測量不夠充分，這導(dǎo)致它往往忽略了對超出閾值的實際發(fā)生值的分析。從統(tǒng)計學(xué)的角度看，VaR只是一個對應(yīng)于某置信水平的分位數(shù)，沒有考察分位點下方的信息，無法精確的刻畫出風(fēng)險。而CVaR滿足次可加性，是一致性風(fēng)險度量，比Va

2、R能更全面地刻畫損失分布的特征，對于VaR模型存在的兩個缺陷CVaR模型都一一克服了。但Heyde等研究者指出CVaR的這個優(yōu)點也導(dǎo)致了模型缺乏穩(wěn)健性。故本文將兩者綜合在一起分析以促進優(yōu)勢互補。
　　為了提高VaR與CVaR模型度量風(fēng)險的準確性，國內(nèi)外眾多研究者都圍繞著未來金融市場變量的分布、波動率的估計、模型的計算方法等方面進行了大量的研究。在金融市場變量的分布方面，研究者們提出了用幾何布朗運動、ARMA模型、廣義誤差分布、偏斜

3、T分布等來擬合變量的變動過程;在波動率的估計的估計方面，一些研究者發(fā)展了ARCH模型、GARCH模型以及ARMA-GARCH模型來捕捉波動信息，解決波動的集聚性問題;在模型的計算方法上，研究者的研究方法主要有:分析法、歷史模擬法、蒙特卡洛模擬法等等。然而金融市場風(fēng)險特別是金融危機的發(fā)生是一種稀有事件，要對稀有事件進行計算需要大量的樣本量作為保證，這就增加了問題的復(fù)雜程度，但上述三種方法都沒能解決估計稀有事件存在的問題，這就有待研究者們進

4、一步的修正和改進。相對于傳統(tǒng)方法，重要抽樣法能夠在抽樣時分配給引起事件發(fā)生的主要原因更大的權(quán)重，更利于捕捉稀有事件的發(fā)生，進而能提高估計效率。因此，重要抽樣技術(shù)可以很好的解決這一問題。本文嘗試將這種方差縮減技術(shù)——重要抽樣運用到蒙特卡洛法中，通過指數(shù)變換來改變變量的概率測度，使得小概率內(nèi)包含更多的有效樣本以提高模擬效率。
　　本文我們選擇ARMA模型作為擬合股票組合日收益率的隨機過程，再根據(jù)歷史數(shù)據(jù)（或初始值）利用計算機來模擬生成