论文部分内容阅读
本文主要研究在混合正态分布下的风险价值度量问题。利用参数方法计算VaR以及CVaR的关键在于对收益曲线的假设是否合理。为了更好的拟合金融数据尖峰厚尾的特征，本文采用混合正态分布的假设。
首先在第一章以及第二章中，对VaR以及CVaR的研究背景，模型理论，以及性质和研究现状进行了较为具体的介绍。第三章为本文的主体内容，介绍了混合正态分布的理论，ARMA-GARCH模型，在此基础上，引入本文计算VaR以及CVaR的流程。首先利用ARMA-GARCH模型过滤掉收益率序列中的自相关以及波动聚类特性后，再对残差序列用混合正态分布进行拟合，计算出VaR以及CVaR。本章中，在混合正态分布的参数估计部分引入了EM算法，利用该算法对混合正态分布的参数进行极大似然估计。同时，在VaR的计算中，创新的采用了分位数映射法，给出了混合正态分布下的VaR的计算方法，在此基础上可以完成CVaR的计算。接下来利用蒙特卡罗法对正态分布，T分布以及混合正态分布下对数据的拟合效果以及VaR，CVaR的计算结果进行比较，证明了混合正态分布的优越性。
第四章中，我们对有代表性的几只股票进行了实证分析，根据得到的数据，说明了混合正态分布能够在实际中更好的反映金融数据尖峰厚尾的特性，并且基于混合正态分布计算的VaR，CVaR明显高于正态混合分布下的值，较好的解决了传统正态分布下，风险价值被低估的问题。