本文介绍了VaR模型方法的一些研究,主要由以下两部分组成:1) 阐述了VaR模型使用过程中存在的一些问题,包括模型使用和过度依赖历史数据的风险,并提出了具体的改进方法;2) 构造了VaR模型后验测试的贝叶斯方法。 在第一章引言中,介绍了VaR模型实际应用中暴露的缺陷和后验测试中常见的失效型模型验证方法,并简要的罗列前人的研究成果,最后简述本文的主要成果。 蒙特卡罗模拟(MC)模型是VαR估值的常见方法。在本文第二章,我们提出了其使用过程中应该注意的两个方面:1) 模拟过程计算时间过长是MC模型的瓶颈,大部分文献在选择模拟周期D与模拟路径数目N两个关键时间参数时没有明确的理论依据。本文从成本收益分析角度出发,构造效用最大化的优化模型,为两个参数的确定提供了理论支持;2) 情景模拟模型是MC模型的一种加速模型,但是在关键参数-情景状态向量(?)的设置中忽略了比较复杂的情况(如多空头相结合的头寸),本文提出了一种参考历史数据的修正模型。通过构造历史场景,在最大似然原则下确定(?),拓广了原模型的应用范围。最后,针对VaR模型过度依赖历史数据的缺陷,作者提出了在理性预期框架下重新估计VaR值的设想。 在本文第三章提出了VaR模型后测测试的贝叶斯方法:以二项分布为参数统计模型,分别选取无信息先验和基于历史信息的先验分布,对于VaR模型的准确性进行检验,与传统的成败型检验相比较,在历史信息比较充分的情况下,Bayes检验对于VaR模型非拒绝区间更加敏感,有效的提高了检验的精度。