论文部分内容阅读
近年来国际上金融危机的频频发生，引起了广大学者和金融监管部门对风险测量的高度重视与研究兴趣，同时随着我国金融市场的全面放开，影响金融市场波动性的因素日益增多，金融风险的测度问题也变得越来越重要。目前，金融风险测度的主流方法仍为1993年兴起的风险价值VaR(ValueatRisk)技术，它是指市场在正常波动的情况下，某一资产在一定置信水平下的最大损失。但是VaR存在很多使用条件，而这些条件往往与市场条件不符。本文主要根据我国股市的实际特点，对VaR模型进行了改进：一是考虑基于肥尾(fattailed)分布下的VaR模型，并把GARCH模型、极值理论引入其中，构建动态的VaR模型，解决了VaR使用的市场条件，并达到了预期效果。二是考虑一致性风险测量的标准，引入期望损失ES模型。由于VaR的缺陷——非一致性风险测量指标，以及VaR关心的是损失的频率，而不是损失的大小，而期望损失ES是指超过VaR的损失的均值，它关心的是损失的大小，而不是损失的频率，更重要的是它是一致性风险测度。同时，我们比较了VaR、ES、方差等风险指标的性质，讨论了它们之间的关系，给出了在正态分布下期望损失的两种计算表达式，但对于在其它分布下，ES的计算很困难，我们给出了基于极值理论下的ES模型的估计值。最后我们利用上证综指进行了实证研究，并作了相应的后验测试，测试结果表明：利用R/S统计量来划分金融数据，然后选用相应的模型是可行的，对传统的VaR模型加入极值理论后，模型明显得到改善，解决了在厚尾分布下VaR值对尾部风险低估的问题，这也说明极值理论在风险管理中的重要性；另一方面利用基于极值理论下的ES，可以较好的解决VaR模型在非正态分布下不是一致性风险测度的问题。