论文部分内容阅读
从历史来看，经济全球化和金融自由化像一把双刃剑，它能促进贸易和投资、使世界范围内的资源配置更为有效合理、加速技术转让和产业结构调整的进程、提高国家金融业的效率和创新，但与此同时开放的全球经济和金融会将一国或一个地区的危机转移到世界范围内的其他国家和地区，造成对其他国家地区金融体系的冲击，进而可能引发严重的金融事件。
近年来金融市场规模迅速扩大，金融市场的波动性也明显增强，极端事件频繁出现，这些极端事件给金融机构以及整个金融市场造成了巨大的损失。如何从这些极端事件中去发现、度量金融市场中的极值风险，对金融市场的风险管理具有重要的意义。VaR是金融风险管理中广泛应用的一种工具，目前已经成为国际金融市场主流的度量方法。常用的VaR计算方法主要有历史模拟法、蒙特卡罗模拟法和方差—协方差法，前两种是非参数法，第三种是参数法。但这些方法都是度量正常市场条件下的损失，对资产收益极端情形下的VaR的计算表现出一定的不足。本文拟对极端情况下的资产对数收益率用极值理论来研究其VaR的计算问题。
极值理论(EVT)是次序统计理论的一个分支，常用的有BMM模型和POT模型两种。POT模型对数据中超过某一充分大阈值的部分进行建模，即通过对总体分布尾部建立模型，它不需要事先假设总体的分布情况，只由数据本身来说明尾部分布，因此可以降低模型风险。由极值理论得到总体分布的尾部特征后，给出尾部概率，就能得到VaR。
将POT模型引入VaR的计算的关键是对模型参数的准确估计，为此本文采用Bayes估计。Bayes估计将参数视为随机变量，这在实际情况中是符合的、可行的。其基本思想是将先验分布和样本信息结合，利用Bayes定理的作用得到后验分布。具体在使用Bayes估计时我们采用MCMC方法，它是一种能把复杂的高维问题转化为一系列简单的低维问题的方法。本论文采用了一种简单且广泛应用的MCMC方法——单元素Gibbs抽样方法。
最后，本论文对我国股票市场的深圳中小板指数的日对数收益率进行实证分析，得出在加入了先验信息的Bayes估计下计算的VaR值与实际情形更相符，对VaR的估计更有效。