极值理论在风险价值度量中的应用VIP免费

欢迎共阅极值理论在风险价值度量中的应用1、引言自 20 世纪 70 年代以来，金融市场的波动日益加剧，一些金融危机事件频繁发生，如1987 年的“黑色周末” 和亚洲金融危机， 这使金融监管机构和广大的投资者对金融资产价值的暴跌变得尤为敏感。金融资产收益率的尖峰、 厚尾现象也使传统的正态分布假定受到严重的质疑，因此如何有效地刻画金融资产收益率的尾部特征，给出其渐进分布形式， 及各种风险度量模型的准确估计方法和置信区间，依此制定投资策略，确定国家监管制度，成为风险度量和管理所面临的巨大挑战。目前，对金融资产损失的估计方法主要包括历史模拟、参数方法和非参数方法。 历史模拟是一种最简单的方法， 它利用损失的经验分布来近似真实分布，但是该方法不能对过去观察不到的数据进行外推， 更不能捕获金融资产收益序列的波动率聚类现象，而受到大量的批评。 参数方法假设收益符合某种特定的分布如：正态分布、t 分布等，再通过分布与样本的均值、方差的匹配对参数进行估计，或者是假设收益符合某种特定的过程如：ARMA模型、 GARCH 模型，该方法可以在一定程度上解释尖峰后尾现象和波动率聚类问题，具有比较好的整体拟和效果。 不过参数方法只能对已经到来的灾难信息给出准确的估计，对于即将到来的灾难信息无法给出准确的预测，因此对极端事件的估计缺乏准确性。非参数方法则主要包括极值理论（EVT），该理论不研究序列的整体分布情况，只关心序列的极值分布情况，利用广义帕累托分布（generalizedParetodistribution）或者广义极值分布（ generalizedextremevaluedistribution）来逼近损失的尾部分布情况。DanielssonanddeVries（1997）以 7 支美国股票构成的组合为样本比较各种模型的表现情况，发现EVT 的表现比参数方法和历史模拟方法明显的好。Longin（2000）认为极值理论的优点在于它的没有假设特定的模型，而是让数据自己去选择， 而 GARCH 模型作为估计风险的一种方法， 它只能反映当时的波动率情况，对于没有预期到的变化缺乏准确性。不幸的是，LeeandSaltoglu（2003）把 EVT 模型应用到 5 个亚洲股票市场指数上， 发现表现令人非常不满意， 而传统的方法尽管没有一个在各个市场表现都是绝对优于其它模型的， 但都比 EVT 模型的表现好。 本人认为 EVT 模型之所以在亚洲市场表现不好主要是因为亚洲金融市场的数据具有很强的序列相关和条件异方差现象，不能满足EVT 模型要求的独立同分...