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險。因此，準確度量極端情形下的金融風險具有極其重要的意義。VaR技術產生于20世紀90年代，現已廣泛應用于各種金融工具的風險度量，成為國際金融市場主流的度量標準。常用的VaR計算方法主要包括歷史模擬法、方差一協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期損失，對資產收益極端情形下的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，它是對數據中超過某一充分大閾值的部分進行建模，而不需要對整體數據事先假設一個特定的分布，即由數據本身來說明尾部分布，故降低了模型風險。將POT模型引入VaR的計算中，能夠更好地描述金融觀測數據的尾行為，進而準確計算極值VaR。在使用POT模型計算VaR的過程中，模型的參數估計是至關重要的一步，論文正是針對這方面做了一些嘗試性的研究。

3、　　 首先，對POT模型中的兩個參數采用了Bayes估計。金融市場中，影響資產收益率的因素是變化的，故其分布的參數也是不斷變化的，因此將參數看作隨機變量是合理的。Bayes估計就是通過將參數視為隨機變量，把先驗信息與樣本信息結合起來對參數進行估計，從而有效地克服了樣本數據匱乏的缺點。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