金融市場風(fēng)險VaR度量方法的改進研究.pdf

1、VaR(Value-at-Risk)是度量、識別和管理金融市場風(fēng)險的先進工具，也是Basel推薦的市場風(fēng)險管理內(nèi)部模型，為提高VaR度量精度，研究者們圍繞市場未來收益率的分布、波動性估計和資產(chǎn)組合定價三個因素進行了眾多研究。金融時間序列分布不是正態(tài)的，而是有偏的、厚尾的，現(xiàn)有的研究采用t分布、廣義誤差分布(GED)等分布較好地解決了厚尾問題，而對于偏度考慮得較少。為解決偏度問題，在用ARCH模型族度量VaR時，引入了不對稱沖擊系數(shù)。由于

2、偏度和峰度并非獨立，這不能從根本上解決偏度特性。本文引入了能夠同時反映峰度和偏度的偏t分布(SKST)，實證顯示SKST分布較傳統(tǒng)的t分布、GED分布不僅能夠更好地擬合波動，而且在估計VaR時也較傳統(tǒng)對稱厚尾分布更加精確。Engle提出的ARCH模型及其后來計量經(jīng)濟學(xué)家們所發(fā)展的ARCH模型族在波動性估計方面取得了巨大成功，但是傳統(tǒng)ARCH模型族波動模型的系數(shù)為常數(shù)，它忽視了金融市場存在的一些外界不可見因素，這些因素會導(dǎo)致金融時間隨機變

3、量發(fā)生偶爾和突然跳躍，使波動狀態(tài)在高低之間不斷轉(zhuǎn)換。當這些不連續(xù)的跳躍發(fā)生時，收益率結(jié)構(gòu)也發(fā)生動態(tài)變化，傳統(tǒng)ARCH模型族沒有刻畫這一跳躍，因而波動性的估計會產(chǎn)生“虛假”的持久性記憶，在度量VaR時會降低估計精度。 本文運用狀態(tài)轉(zhuǎn)換ARCH模型(SWARCH模型)，令不可觀測的狀態(tài)為服從一階馬爾科夫過程的隨機變量，將其引入到ARCH模型中，發(fā)現(xiàn)含有狀態(tài)轉(zhuǎn)換下的SWARCH模型較傳統(tǒng)ARCH模型在擬合金融波動、度量和識別VaR方面

4、具有更好的效果，能夠識別外界政策等因素對波動沖擊的強度，刻畫這些因素使狀態(tài)發(fā)生轉(zhuǎn)換的程度。資本資產(chǎn)定價模型(CAPM)是金融學(xué)的基石，這一基本原理有著重大的理論意義和實際價值，然而經(jīng)典CAPM由于存在正態(tài)分布、β系數(shù)固定不變等假定而備受挑戰(zhàn)。另外在運用CAPM度量資產(chǎn)組合VaR方面，由于沒有考慮到市場因子和風(fēng)險資產(chǎn)組合所存在偏度和峰度特征，因而在計算VaR時不能準確度量資產(chǎn)的風(fēng)險。本文提出了基于馬爾科夫轉(zhuǎn)換下的資本資產(chǎn)定價模型，即允許β