本文關(guān)鍵詞：VaR和ES的非參數(shù)估計的模擬研究和實證分析　出處：《廣西師范大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 在險價值 期望損失 核估計 風(fēng)險度量 一致性風(fēng)險度量

【摘要】：近二十年來,在經(jīng)濟全球化、現(xiàn)代金融理論以及信息技術(shù)等因素的影響下,全球金融市場迅速發(fā)展.這致使各國金融市場的開放程度不斷加劇,資本在世界范圍內(nèi)的流動加速且自由化.不同風(fēng)險特性的各種資本在全球金融市場內(nèi)重新配置和組合下,很大程度地轉(zhuǎn)變了全球金融市場的運作方式和風(fēng)險表現(xiàn),金融市場表現(xiàn)出前所未有的波動性.同時,金融機構(gòu)通過展開一系列的金融創(chuàng)新活動來回避金融風(fēng)險、提高市場競爭力,這些活動在管制放松和技術(shù)進步的刺激下異�；钴S.在全球化和自由化的金融背景下,金融風(fēng)險管理己成為人們關(guān)注的話題,而怎么把這些金融風(fēng)險量化,即怎么測定金融風(fēng)險,就成為了一個急需解決的問題. 標(biāo)準(zhǔn)差、絕對偏差、在險價值VaR,條件風(fēng)險值CVaR,最壞條件期望WCE,期望損失ES等是當(dāng)前正在使用或己經(jīng)提出來的度量風(fēng)險的主要工具.其中,因VaR在經(jīng)濟和金融領(lǐng)域的風(fēng)險管控上發(fā)揮了極其重要的作用,因此巴塞爾委員會在1996年明確了用VaR方法來度量銀行面臨的市場風(fēng)險的規(guī)定.從此以后,世界各地的金融分析方面的專家紛紛開始選用VaR作為金融機構(gòu)風(fēng)險管理的國際標(biāo)準(zhǔn).隨著VaR模型及其計算方法的不斷發(fā)展和改進,自1999年Artzner et al初次提出一致性公理后,用VaR作為風(fēng)險度量的標(biāo)準(zhǔn)遭到了質(zhì)疑,由于有研究學(xué)者從理論和實證分析兩個方面都證實了VaR不滿足次可加性這個性質(zhì),從而得出VaR不是一致性風(fēng)險度量的結(jié)果.為了彌補VaR的不足,人們開始構(gòu)造設(shè)計一個不僅滿足一致性公理而且容易估計和計算的風(fēng)險度量Acerbi et.al提出了期望損失ES (Expected Shortfall)這一風(fēng)險度量工具,并證明了它既是一致性風(fēng)險度量,又能夠方便計算. 深受各金融機構(gòu)及管理人員重視的VaR有著致命的弊端—不具備次可加性,而ES風(fēng)險測度滿足一致性條件,使得ES在金融風(fēng)險管理中成為越來越重要的風(fēng)險度量工具. 在不同的窗寬條件下,窗寬越大,ES的核估計量越小.ES的兩個非參數(shù)估計：一個是過度損失大于VaR的樣本估計量；另一個是對前一個估計進行平滑化處理(Scaillet,2004Mathematical Finance)的核估計量.我們期望通過平滑處理,可以得到更精確的估計量.結(jié)果顯示,平滑處理并沒有得到損失更精確的估計量.這樣的結(jié)果不同于VaR估計,對VaR進行平滑處理后可以使得估計量的方差和均方根誤差均減小.因此,ES基于過度損失的樣本平均的估計量,是ES的一個很好的估計. 全文分為四章： 第一章,介紹了金融風(fēng)險度量發(fā)展背景,以及風(fēng)險管理的意義. 第二章,給出了VaR和ES的理論模型以及非參數(shù)估計量,以及給出VaR和ES估計量的標(biāo)準(zhǔn)誤. 第三章,數(shù)值模擬.運用四種常見的時間序列模型,對ES的核估計和樣本估計進行數(shù)值模擬,并比較它們的優(yōu)劣,得到用ES核估計的方法計算的結(jié)果并沒有比用ES樣本估計得到的結(jié)果更精確. 第四章,是實證分析部分.用ES的樣本估計方法對上證指數(shù)和深成指數(shù)的每日收益的對數(shù)序列進行了實證研究,得到的結(jié)果顯示深成指數(shù)的波動率高于上證指數(shù)的波動率.
[Abstract]:Under the influence of economic globalization , modern financial theory and information technology , global financial markets have developed rapidly over the past two decades . Based on VaR , VaR is used to measure the market risk faced by banks . As a result of VaR model and its calculation methods , VaR is used as the standard of risk measurement . As a result of VaR model and its calculation method , VaR is used as the risk measure . The VaR of financial institutions and managers has a fatal defect - - no subadditivity , and ES risk measure meets the consistency condition , so that ES becomes more and more important risk measurement tool in financial risk management . The larger the window width is , the larger the width of the window , the smaller the kernel estimators of ES . Two non - parameter estimates for ES : One is that the excessive loss is greater than the sample estimate at VaR , and the other is that the estimation of the previous estimate is more accurate . The results show that the smoothing process does not get more accurate estimates . The result is different from the VaR estimation . The result is different from the VaR estimation . Therefore , it is a good estimate of ES based on the estimation of the sample average of over - loss . The full text is divided into four chapters : Chapter one introduces the background of financial risk measurement and the significance of risk management . In chapter 2 , the theoretical models of VaR and ES and the non - parameter estimation are given , and the standard error of VaR and ES estimator is given . In chapter 3 , the numerical simulation is carried out using four common time series models , the kernel estimation and sample estimation of ES are simulated numerically , and their advantages and disadvantages are compared , and the results obtained by the method of ES kernel estimation are not more accurate than the results obtained with ES samples . The fourth chapter is the empirical analysis part . By using ES ' s sample estimation method , the logarithmic series of the daily earnings of the Shanghai index and the deep index number is studied empirically . The results show that the fluctuation rate of the index is higher than the fluctuation rate of the Shanghai index .

【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】：2014
【分類號】：O212.7;F832.51

【參考文獻】

相關(guān)期刊論文 前10條

1 景乃權(quán),陳姝;VAR模型及其在投資組合中的應(yīng)用[J];財貿(mào)經(jīng)濟;2003年02期

2 李輝;VaR在項目風(fēng)險管理中的應(yīng)用[J];東北財經(jīng)大學(xué)學(xué)報;2001年04期

3 劉靜;楊善朝;;風(fēng)險度量ES的非參數(shù)估計[J];工程數(shù)學(xué)學(xué)報;2009年04期

4 鄭文通;金融風(fēng)險管理的VAR方法及其應(yīng)用[J];國際金融研究;1997年09期

5 王春峰,萬海暉,張維;金融市場風(fēng)險測量的總體框架[J];國際金融研究;1998年09期

6 王春峰,李剛;基于分布擬合法的VaR估計[J];管理工程學(xué)報;2002年04期

7 文鳳華,馬超群,巢劍雄;風(fēng)險度量新趨勢分析[J];湖南大學(xué)學(xué)報(自然科學(xué)版);2001年06期

8 劉宇飛;VaR模型及其在金融監(jiān)管中的應(yīng)用[J];經(jīng)濟科學(xué);1999年01期

9 趙睿,趙陵;VaR方法與資產(chǎn)組合分析[J];數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究;2002年11期

10 歐詩德;易丹輝;;不同模型下ES風(fēng)險度量的計算[J];數(shù)理統(tǒng)計與管理;2009年04期

，

本文編號：1367996