论文部分内容阅读
近年来，在各种衡量金融风险大小的方法中，风险价值(VaR，Value at Risk)法最受金融界的重视，越来越多的银行及其他金融机构已经采用VaR作为一个预测和防控金融风险的重要指标。
本文用来计算VaR的模型主要是传统的VaR模型和极值模型：前者基于资产收益服从正态分布的假设前提；后者是统计学上的极值理论在计算VaR上的一种应用。
这两种方法在VaR的计算上的不同之处主要有两点：一是传统的VaR模型需要对资产收益的整体分布做出假设，而极值模型只用对尾部的分布进行拟合，从而减少了假设不够准确而给模型带来的误差，也就是减少了模型风险：二是传统的VaR模型没有考虑到金融数据尤其是损失数据的分布具有厚尾的特性，而极值模型正是考虑到了这一点，才把主要的注意力放到了分布的尾部，因而使用极值模型求出的风险值更符合实际。准确地说，由于分布的厚尾，使用传统的VaR模型会低估风险，相比之下，使用极值方法更能估计风险的实际大小。
本文实证部分以上证综合指数为例，将极值理论用于风险价值的计算，给出了VaR和ES的估计值，并与传统方法得出的结果进行了比较分析，结论表明，用极值方法度量金融风险具有很高的准确性。文中引入极值指数，在一定程度上克服了由于金融数据序列自相关和波动率聚类现象不能满足极值理论假设所造成的估计误差。