近年來(lái),隨著金融創(chuàng)新和資本市場(chǎng)的不斷發(fā)展完善,可轉(zhuǎn)換債券已成為我國(guó)重要的金融衍生工具。風(fēng)險(xiǎn)價(jià)值VaR (Value at Risk)作為國(guó)際上流行的一種市場(chǎng)風(fēng)險(xiǎn)量化指標(biāo),在金融風(fēng)險(xiǎn)的管理中得到了有效的應(yīng)用。本文將VaR的方法引入我國(guó)可轉(zhuǎn)換債券的風(fēng)險(xiǎn)價(jià)值測(cè)度體系。盡管VaR提出以后,有不少的計(jì)算方法出現(xiàn),但它們都有各自的缺陷。傳統(tǒng)方法都致力于研究序列的整體分布情況,由于樣本數(shù)據(jù)大部分集中在分布中部,因此不論采用何種統(tǒng)計(jì)工具,都不可避免的對(duì)極端現(xiàn)象發(fā)生所造成的損失產(chǎn)生有偏估計(jì)。而VaR計(jì)算所最關(guān)心的是分布在尾部的點(diǎn),即一些極少發(fā)生又具有顯著影響的觀測(cè)值,稱為極值,極值理論正是對(duì)這些極值提供統(tǒng)計(jì)分析的模型。 本文所用實(shí)證數(shù)據(jù)為中信標(biāo)普可轉(zhuǎn)債指數(shù)。首先,基于極值統(tǒng)計(jì)方法研究了可轉(zhuǎn)債指數(shù)收益時(shí)序的尾部特征,得出收益時(shí)序是尖峰、左偏的,并給出了收益率時(shí)序上下尾指數(shù)的估計(jì)與檢驗(yàn)。其次,通過(guò)研究歷史收益率時(shí)序圖,進(jìn)行自相關(guān)檢驗(yàn),發(fā)現(xiàn)收益時(shí)序具有波動(dòng)率聚集現(xiàn)象、一階序列相關(guān)等特征,直接使用GPD方法可能使Poisson過(guò)程的獨(dú)立增量性不成立,為此我們給出GPD風(fēng)險(xiǎn)估計(jì)中考慮時(shí)序波動(dòng)聚集現(xiàn)象的去聚集化方法...

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖5.1zxr歷史直方圖及基本統(tǒng)計(jì)特征

____._尸不正義力R，=IUU軍In(二二)，多腸15U0/l、數(shù)獄虧。了丁一圖為中信標(biāo)普轉(zhuǎn)債全價(jià)指數(shù)收益率時(shí)序(zxl.)n︸on︺︷日n0︺n︺n甘n︺0

圖5.2zxr與正態(tài)分布密度函數(shù)比較(相同的均值與標(biāo)準(zhǔn)差)

Ser一es:ZXRSamPle11500Obser歸石OnS1500MesnMedi日nMaXImUmMinlmUmStd.DeVtSkewneSSKUft0SIS0066920.033427.95278一6.206361.06475一04167310.3955Jarque一B....

圖5.3zxr時(shí)序的QQ圖(相對(duì)于指數(shù)分布)

土面zx:與正態(tài)分布密度函數(shù)比較圖，我們初步斷定zx:時(shí)序尾特征。對(duì)尾指數(shù)的初步估計(jì)可根據(jù)QQ圖(相對(duì)于指數(shù)分布

圖5.4Hill圖:zxr上尾指數(shù)

l一4u目On工口-︸u。SQ山只圖5.3zxr時(shí)序的QQ圖(相對(duì)于指數(shù)分布)圖5.3可以看出，與指數(shù)分布比較，zx:時(shí)序存在肥尾現(xiàn)象，但度要快于正態(tài)分布，顯示了該時(shí)序的密度函數(shù)尖峰特征。因此動(dòng)模型的條件分布設(shè)定時(shí)，應(yīng)更注重肥尾型的分布，如GED分布。

本文編號(hào)：3950580