基于Bayes估計與極值理論的VaR研究.pdf

1、近年來，金融極端事件頻繁發(fā)生，金融市場中潛伏著巨大的極值風(fēng)險，這是一種很少發(fā)生然而一旦發(fā)生卻將引起巨大損失的市場風(fēng)險。因此，準(zhǔn)確度量極端情形下的金融風(fēng)險具有極其重要的意義。VaR技術(shù)產(chǎn)生于20世紀(jì)90年代，現(xiàn)已廣泛應(yīng)用于各種金融工具的風(fēng)險度量，成為國際金融市場主流的度量標(biāo)準(zhǔn)。常用的VaR計算方法主要包括歷史模擬法、方差一協(xié)方差法和蒙特卡羅模擬法，這些方法都是度量正常市場條件下的預(yù)期損失，對資產(chǎn)收益極端情形下的VaR難以較好地度量。

2、>　　 極值理論是專門研究次序統(tǒng)計量極端值分布特征的理論。POT模型是極值理論中常用的模型之一，它是對數(shù)據(jù)中超過某一充分大閾值的部分進行建模，而不需要對整體數(shù)據(jù)事先假設(shè)一個特定的分布，即由數(shù)據(jù)本身來說明尾部分布，故降低了模型風(fēng)險。將POT模型引入VaR的計算中，能夠更好地描述金融觀測數(shù)據(jù)的尾行為，進而準(zhǔn)確計算極值VaR。在使用POT模型計算VaR的過程中，模型的參數(shù)估計是至關(guān)重要的一步，論文正是針對這方面做了一些嘗試性的研究。

3、　　 首先，對POT模型中的兩個參數(shù)采用了Bayes估計。金融市場中，影響資產(chǎn)收益率的因素是變化的，故其分布的參數(shù)也是不斷變化的，因此將參數(shù)看作隨機變量是合理的。Bayes估計就是通過將參數(shù)視為隨機變量，把先驗信息與樣本信息結(jié)合起來對參數(shù)進行估計，從而有效地克服了樣本數(shù)據(jù)匱乏的缺點。將貝葉斯思想融入極值模型度量極端情形下的VaR，將同時兼顧投資者的經(jīng)驗信息和觀察到的樣本信息，使得計算的VaR更加合理。
　　 其次，在計算模型參