發(fā)布時間：2020-07-16 08:35

【摘要】： 隨著金融危機的頻發(fā)以及影響的廣泛性和破壞性,金融風(fēng)險管理日益成為金融活動中最重要的組成部分.如何有效地規(guī)避風(fēng)險成為了金融領(lǐng)域研究人員研究的主要課題.近年來,VaR(Value at Risk)和CVaR(Conditional Value at Risk)成為廣泛認可和應(yīng)用的風(fēng)險度量工具,對它們進行準(zhǔn)確的估計成為風(fēng)險管理者面臨的最大難題. VaR估計方法分為參數(shù)估計和非參數(shù)估計方法,實際中金融回報序列的分布形式復(fù)雜,我們很難確定出回報序列的具體分布,使用參數(shù)估計方法容易產(chǎn)生模型誤差.相對而言,非參數(shù)估計方法不需要假定金融回報序列的統(tǒng)計分布,而且可以有效地處理金融回報序列的厚尾性和不對稱等問題. 本文研究的VaR核型估計模型為v(h,λ)=-Tn(λ),其中Tn(λ)是分位數(shù)估計,其形式為： 該分位數(shù)估計Tn(入)最早在Parzen中提出,之后許多學(xué)者相繼討論了它的一些性質(zhì).Simon在獨立樣本下給出了它的均方誤差和一種基于數(shù)據(jù)的窗寬選擇方法.韋香蘭在α-混合樣本下討論了它的Bahadur表示、強相合性和均方誤差.本文利用楊善朝一文中的Bahadur表示作為工具,得到了在ρ-混合樣本下的均方誤差和最優(yōu)窗寬,并利用參照標(biāo)準(zhǔn)分布法(Reference to a standard distribution)進行窗寬的選取,得到了最優(yōu)窗寬的具體表達式,此方法比Simon中提到的窗寬選擇方法簡單且易操作.近年來對股票市場的大量研究表明,股票市場收益率的變化存在長期相關(guān)性等特征,分數(shù)布朗運動能很好地刻畫股票收益率波動規(guī)律.在第四章的數(shù)值模擬中,我們考慮在分數(shù)布朗運動、正態(tài)分布和t-分布等不同情形下利用前一章所得到的最優(yōu)窗寬進行數(shù)值模擬,在與次序統(tǒng)計量估計效果相比較的數(shù)值模擬結(jié)果中顯示,核型估計有更小的偏差,估計效果更好.最后,對上證指數(shù)和恒生指數(shù)在2002年3月26日至2010年3月18日期間的兩組數(shù)據(jù)進行實證分析,結(jié)果表明了投資港市的風(fēng)險略大于投資滬市.
【學(xué)位授予單位】：廣西師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2010
【分類號】：F224;F830
【圖文】：

樣本來自分數(shù)布朗運動的從以值

圖4-3樣本來自標(biāo)準(zhǔn)正態(tài)分布的從沮值以下為自由度為7的數(shù)值模擬結(jié)果:表44t(7)nl(X)2(X)3(X)5007001000(1)99%(VaR*=2.9979)meanVaRos2.72292.85422.89872.93892.95182.9627第23頁

定義為:r:=In只一In只一l只表示第舊的收盤價.首先圖5一1給出兩個收益率序列的時序圖，從圖上我們可以看出指數(shù)日收益率的波動比較平穩(wěn)，但兩個收益率序列的波動性有顯著的波動聚類現(xiàn)象，即收益率序列隨時間的變化而變化，表現(xiàn)出一段時間內(nèi)的連續(xù)偏高或偏低.而且它們之間的波動具有一定程度的相似性，這說明滬、港兩股市之間存在著某種互動性，有一定的關(guān)聯(lián)性.甚息~~~啼吵呷 呷毛息一一份份與00，側(cè)泊，任側(cè)1別別】，以舊，別閱圖5一1上證和恒生的日收益率時序圖接下來我們觀察兩個收益率序列的基本統(tǒng)計特征.從表5一1看出，上證指數(shù)和恒生指數(shù)均值都小于零

【引證文獻】

相關(guān)碩士學(xué)位論文 前1條

1 周貴霞;p-混合樣本VaR核型估計的均方誤差及其應(yīng)用[D];廣西師范大學(xué);2011年

本文編號：2757775