本文關(guān)鍵詞： 違約回收率 非參數(shù)估計(jì) 核函數(shù) 最優(yōu)窗寬 邊界問題　出處：《系統(tǒng)工程理論與實(shí)踐》2014年S1期 　論文類型：期刊論文

【摘要】：本文研究違約回收率密度函數(shù)的模擬估計(jì)問題.本文的工作由兩個(gè)方面組成.首先,我們解決了在應(yīng)用非參數(shù)方法估計(jì)違約回收率密度函數(shù)時(shí)如何選取窗寬,以及在使用對(duì)稱核時(shí)如何處理在有界區(qū)間上產(chǎn)生的邊界問題.針對(duì)如何選取合理窗寬提高估計(jì)效果的問題,我們通過將最優(yōu)窗寬選取通過漸近積分誤差最小作為標(biāo)準(zhǔn),然后將滿足漸近積分誤差最小的問題轉(zhuǎn)換為一個(gè)非線性方程,進(jìn)而應(yīng)用插入法與迭代算法,求出最優(yōu)窗寬的收斂解.第二,針對(duì)應(yīng)用普通對(duì)稱核擬合分布于[0,1]區(qū)間內(nèi)的回收率會(huì)產(chǎn)生的估計(jì)量偏差在邊界有增大趨勢問題,我們通過引入邊界核來改善這一現(xiàn)象:首先對(duì)兩種核的統(tǒng)計(jì)性質(zhì)進(jìn)行理論推導(dǎo),隨后使用蒙特卡羅模擬(Monte Carlo Simulation)方法對(duì)其擬合績效進(jìn)行數(shù)值分析.本文的數(shù)值結(jié)果表明我們引入邊界核方法,這較之普通對(duì)稱核可以有效改善邊界問題,同時(shí)邊界核方法在各個(gè)指標(biāo)上效果更優(yōu).最后,基于穆迪公司官方網(wǎng)站公布的2006年到2011年全球每年違約公司債券和貸款的違約回收率統(tǒng)計(jì)數(shù)據(jù)共653個(gè)數(shù)據(jù),我們的實(shí)證案例分析表明,本文引入的邊界核方法與現(xiàn)有普遍使用的以Beta分布刻畫回收率的方法相比較,通過擬合優(yōu)度檢驗(yàn)和Bootstrap檢驗(yàn),我們的違約回收率密度函數(shù)模擬的非參數(shù)邊界核方法比對(duì)應(yīng)的Beta分布刻畫方法更可靠,同時(shí)我們的結(jié)果也明顯優(yōu)于Beta分布刻畫的回收率模型.
[Abstract]:This paper studies the simulation estimation of default recovery rate density function. The work of this paper is composed of two aspects. Firstly, we solve the problem of how to select window width when using nonparametric method to estimate default recovery density function. And how to deal with the boundary problem in the bounded interval when using symmetric kernel, aiming at how to select the reasonable window width to improve the estimation effect. By selecting the minimum error of the asymptotic integration of the optimal window width as the criterion, the problem satisfying the minimum of the asymptotic integral error is transformed into a nonlinear equation, and then the interpolation method and the iterative algorithm are applied. The convergence solution of the optimal window width is obtained. Secondly, the general symmetric kernel is used to fit the distribution. [In the range of 0 ~ 1, the deviation of the estimated quantity will increase at the boundary. We improve this phenomenon by introducing the boundary kernels: firstly, the statistical properties of the two kinds of kernels are theoretically deduced. Then Monte Carlo simulation Monte Carlo simulation method is used to analyze its performance. The numerical results show that we introduce the boundary kernel method. This method can effectively improve the boundary problem compared with the ordinary symmetric kernel, and the boundary kernel method is more effective in each index. Finally. Based on the statistics of default recovery rate of defaulted corporate bonds and loans published by Moody's website from 2006 to 2011, our empirical case study shows that 653 data are available. The boundary kernel method introduced in this paper is compared with the commonly used Beta distribution to describe the recovery rate. The goodness of fit test and Bootstrap test are adopted. Our nonparametric boundary kernel method is more reliable than the corresponding Beta distribution method, and our results are obviously superior to the Beta distribution model.
【作者單位】： 浙江財(cái)經(jīng)大學(xué)金融學(xué)院;浙江財(cái)經(jīng)大學(xué)財(cái)富管理與量化投資協(xié)同創(chuàng)新中心;浙江省政府管制與公共政策研究中心;同濟(jì)大學(xué)風(fēng)險(xiǎn)管理研究所;
【基金】：國家自然科學(xué)基金(71171176) 同濟(jì)大學(xué)千人計(jì)劃和引進(jìn)人才計(jì)劃基金(139206)
【分類號(hào)】：F832.51;F224;F203
【正文快照】： i引言信用風(fēng)險(xiǎn)一直是金融行業(yè)風(fēng)險(xiǎn)管理的最為核心的問題,比如,2010年9月出爐的業(yè)界極為關(guān)注的《巴塞爾協(xié)議III〉〉中對(duì)影響金融資產(chǎn)信用風(fēng)險(xiǎn)的三大主要因素是:1)違約概率(PD);2)違約損失率(LGD)(其中,回收率(RR)=1-違約損失率;即兩者之和為1,因而可以相互轉(zhuǎn)化)和3)違約風(fēng)險(xiǎn)暴

【共引文獻(xiàn)】

相關(guān)期刊論文 前1條

1 劉呂科;郭代;;違約損失率計(jì)量方法研究進(jìn)展述評(píng)[J];金融發(fā)展研究;2014年06期

相關(guān)碩士學(xué)位論文 前2條

1 褚盈;多元概率密度函數(shù)的Beta核估計(jì)[D];浙江大學(xué);2013年

2 韓宇;基于變換核密度估計(jì)的半?yún)?shù)GARCH模型研究[D];中國科學(xué)技術(shù)大學(xué);2014年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周明磊;非參數(shù)估計(jì)與小波分析在股市趨勢線中應(yīng)用的實(shí)證研究[J];徐州師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年03期

2 呂聯(lián)盟;;用非參數(shù)方法對(duì)資本資產(chǎn)定價(jià)模型的非線性檢驗(yàn)——以深市A股為例[J];綠色財(cái)會(huì);2009年08期

3 祝麗萍;陳琳;岳華;;金融數(shù)學(xué)模型及其非參數(shù)估計(jì)問題[J];山西財(cái)經(jīng)大學(xué)學(xué)報(bào)(高等教育版);2008年S1期

4 張德飛;段星德;;隨機(jī)微分方程的非參數(shù)估計(jì)及其在股票指數(shù)中的應(yīng)用[J];重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年05期

5 李平;邢麗娜;;企業(yè)規(guī)模與技術(shù)創(chuàng)新關(guān)系的實(shí)證研究[J];山東理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2007年02期

6 歐陽資生,鄢茵;隨機(jī)利率下保單平均成本極限分布的非參數(shù)估計(jì)方法[J];湖南商學(xué)院學(xué)報(bào);2001年01期

7 王煜;;基于非參數(shù)近鄰估計(jì)的通貨膨脹與經(jīng)濟(jì)增長的實(shí)證分析[J];科學(xué)決策;2008年10期

8 周先波;李鉅威;楊逢利;;關(guān)于全球化對(duì)經(jīng)濟(jì)增長的邊際影響——基于面板數(shù)據(jù)模型非參數(shù)估計(jì)的分析[J];世界經(jīng)濟(jì)研究;2009年03期

9 呂迎;呂聯(lián)盟;;資本資產(chǎn)定價(jià)模型及其實(shí)證方法的演進(jìn)[J];甘肅聯(lián)合大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2010年06期

10 馬鴻杰;胡漢輝;吳崇;;分布函數(shù)的非參數(shù)局部多項(xiàng)式估計(jì)[J];統(tǒng)計(jì)與決策;2008年11期

相關(guān)會(huì)議論文 前10條

1 錢偉民;王娟;;線性混合效應(yīng)模型中隨機(jī)效應(yīng)密度的非參數(shù)估計(jì)[A];2003中國現(xiàn)場統(tǒng)計(jì)研究會(huì)第十一屆學(xué)術(shù)年會(huì)論文集（上）[C];2003年

2 王英華;柴根象;;小波密度估計(jì)的相合條件[A];中國現(xiàn)場統(tǒng)計(jì)研究會(huì)第九屆學(xué)術(shù)年會(huì)論文集[C];1999年

3 姚海祥;;基于非參數(shù)估計(jì)方法和CARA效用函數(shù)的投資組合選擇[A];第十三屆中國管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2011年

4 李正農(nóng);周軍;袁文陽;宋一樂;孟吉復(fù);;結(jié)構(gòu)可靠度的非參數(shù)估計(jì)方法[A];第五屆全國結(jié)構(gòu)工程學(xué)術(shù)會(huì)議論文集（第一卷）[C];1996年

5 吳靜;;Parzen窗估計(jì)法識(shí)別地震前兆異常的研究[A];中國地震學(xué)會(huì)第六次學(xué)術(shù)大會(huì)論文摘要集[C];1996年

6 劉飛;;海南坡鹿春季晝間活動(dòng)節(jié)律和時(shí)間分配[A];第五屆廣東、湖南、江西、湖北四省動(dòng)物學(xué)學(xué)術(shù)研討會(huì)論文摘要匯編[C];2008年

7 王玉榮;張淑艷;胡春霖;;外資并購對(duì)我國目標(biāo)上市公司績效影響的實(shí)證研究[A];第三屆（2008）中國管理學(xué)年會(huì)論文集[C];2008年

8 袁德成;汪瀅;于海斌;馬紀(jì)虎;;在過程建模、監(jiān)視和控制中的小波分析技術(shù)[A];2003中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2003年

9 王建文;劉文帥;程廣福;尹文茂;;四階譜在水聲信號(hào)中的應(yīng)用研究[A];第十一屆船舶水下噪聲學(xué)術(shù)討論會(huì)論文集[C];2007年

10 和平安;王海清;宋執(zhí)環(huán);李平;;小樣本小波密度估計(jì)器及在過程監(jiān)測中應(yīng)用[A];2001中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2001年

相關(guān)重要報(bào)紙文章 前1條

1 葛新權(quán) 北京信息科技大學(xué)經(jīng)濟(jì)管理學(xué)院;實(shí)驗(yàn)經(jīng)濟(jì)學(xué)需要與其他經(jīng)濟(jì)理論相結(jié)合[N];中國社會(huì)科學(xué)報(bào);2010年

相關(guān)博士學(xué)位論文 前10條

1 孫靜;若干非參數(shù)和半?yún)?shù)模型的穩(wěn)健估計(jì)和特征篩選[D];山東大學(xué);2013年

2 吳小霞;多重檢驗(yàn)中FDR方法及其參數(shù)估計(jì)問題的研究[D];武漢大學(xué);2010年

3 郭穎;森林地上生物量的非參數(shù)化遙感估測方法優(yōu)化[D];中國林業(yè)科學(xué)研究院;2011年

4 張松林;非線性半?yún)?shù)模型最小二乘估計(jì)理論及應(yīng)用研究[D];武漢大學(xué);2003年

5 李朝奎;非線性模型空間測量數(shù)據(jù)處理理論及其應(yīng)用[D];中南大學(xué);2001年

6 王建國;審查回歸（Censored Regression）模型的參數(shù)、半?yún)?shù)和非參數(shù)估計(jì)及一致性模型設(shè)定檢驗(yàn)[D];中國社會(huì)科學(xué)院研究生院;2011年

7 許業(yè)友;外匯期權(quán)定價(jià)的非參數(shù)幾何Lévy模型與對(duì)沖策略研究[D];華南理工大學(xué);2011年

8 陳萍;隨機(jī)波動(dòng)率模型的統(tǒng)計(jì)推斷及其衍生證券的定價(jià)[D];南京理工大學(xué);2004年

9 陳曦;關(guān)于正倒向隨機(jī)微分方程和倒向廣義自回歸條件異方差模型的統(tǒng)計(jì)推斷[D];山東大學(xué);2010年

10 馮謙;信用風(fēng)險(xiǎn)測度和信用衍生產(chǎn)品定價(jià)[D];上海交通大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 鄭瑋;基于非參數(shù)估計(jì)方法的違約回收率密度函數(shù)估計(jì)研究[D];浙江財(cái)經(jīng)學(xué)院;2013年

2 楊秀娟;半?yún)?shù)模型中非參數(shù)分量的同時(shí)置信帶[D];北京工業(yè)大學(xué);2013年

3 甘華來;增長曲線模型的非參數(shù)估計(jì)[D];華東師范大學(xué);2013年

4 張彥書;面板數(shù)據(jù)的非參數(shù)估計(jì)及應(yīng)用[D];華中科技大學(xué);2010年

5 劉苗苗;非參數(shù)曲線估計(jì)的同時(shí)置信帶在格點(diǎn)上的有效性[D];蘇州大學(xué);2013年

6 陳文勇;函數(shù)型眾數(shù)非參數(shù)估計(jì)問題研究[D];合肥工業(yè)大學(xué);2011年

7 張燕;外匯期權(quán)定價(jià)的非參數(shù)估計(jì)[D];南京理工大學(xué);2014年

8 邵偉;狀態(tài)價(jià)格密度的非參數(shù)估計(jì)[D];南京理工大學(xué);2013年

9 夏小艷;基于扭曲函數(shù)的風(fēng)險(xiǎn)度量分析與研究[D];武漢理工大學(xué);2008年

10 萬青;基于非參數(shù)估計(jì)的核回歸圖像去噪[D];中南民族大學(xué);2008年

，

本文編號(hào)：1481350