亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        廣義極值分布在計算風險價值中的應用

        2021-12-15 11:30:54
        中國新技術新產品 2021年19期
        關鍵詞:模型

        王 震

        (上海郵電設計咨詢研究院有限公司,上海 200093)

        0 引言

        在現實世界中,對個別不常發(fā)生的事件通常稱為極值事件。這些極值事件很重要,其中在金融市場,一些黑天鵝事件的發(fā)生對社會經濟產生巨大的影響。對這類事件引起金融市場風險,使用風險價值(Value at Risk, VaR) 進行度量。一般計算VaR方法[1]有風險度量制(RiskMetrics)、波動率模型的經濟計量模型、經驗分位數以及極值理論等。該文討論的廣義極值(Generalized Extreme Value, GEV) 分布是基于極值理論的方法,該理論專門研究很少發(fā)生,然而一旦發(fā)生卻產生重大影響的隨機變量極端變異性的建模及統(tǒng)計分析方法,它提供了一種優(yōu)良穩(wěn)健的漸近模型對分布的尾部進行建模[2]。

        該文從風險價值的概念出發(fā),說明VaR度量方法的核心問題,討論廣義極值方法及其背后的統(tǒng)計理論和厚尾性質,并結合實例說明GEV估計VaR的過程、結論,進一步驗證GEV具有較好的厚尾性,并通過與波動率模型的經濟計量模型以及經驗分位數方法的比較,說明當尾概率較小時,GEV對VaR的估計更合理的。

        2 風險價值

        金融市場風險包括信用風險和市場風險等[3],VaR主要討論市場風險。概率框架下,定義一個持有期為l、尾部概率為p的金融頭寸的VaR如公式(1)所示。

        式中:L(l)為金融頭寸中從時刻t到時刻t+1時資產價值量變化時相關損失函數(t為時間指標);Fl(x)為L(l)的累計分布函數(Cumulative Distribution Function, CDF);VaR為分位數,Pr是概率函數的縮寫。

        公式(1)表明VaR關注的是Fl(x)損失的尾部行為。

        CDF在實際應用中往往是未知的,對VaR的研究主要關心的是CDF及其分位數的估計,尤其是CDF的尾部性質[4]。因此,Fl(x)對的擬合是經濟計量模型的焦點,而不同的方法估計Fl(x)產生了不同VaR的度量方法[5]。除了該文討論的極值方法計算VaR外,還有風險度量制、波動率模型的經濟計量模型以及經驗分位數等。

        3 計算VaR的極值方法

        3.1 極值理論

        極值理論研究隨機變量極端值,即最大值或最小值的分布性質[5]。記某資產收益率為rt,n個收益率構成序列該序列中最小收益率記為r(1),最大收益率記為r(n)。該文以最大收益率r(n)進行理論說明, 最小收益率r(1)的情況,只需采取進行轉換。

        假設時間序列{rt}nt=1獨立或弱相關,具有同CDF的F(x),設rt的變化范圍。由概率論可知,設r(n)的CDF,記為Fn,n(x),如公式(2)所示。

        由公式(2)可知,如果F(x)已知,Fn,n(x)是可求得的,但實際中,該F(x)往往是未知的,而且最大值分布Fn,n(x)是退化[1],這樣的CDF是沒有實際價值的。由 Fisher-Tippett極值類型定理[2]推得,存在2個常數列{αn}(αn>0)和{βn},使r(n*)≡(r(n)-βn)/αn分布當n→∞收斂到一個非退化分布,其中{αn}是尺度因子序列,{βn}是位置序列。在序列{rt}nt=1獨立或弱相關的假設下,標準化的最大收益率r(n*)的極值分布函數如公式(3)所示。

        式中:ξ為形狀參數,exp是以e為底的指數函數。

        ξ控制極值分布的尾部行為,根據ξ不同,公式(3)這種一般形式的廣義極值分布可分為3種類型的極限分布[1],當ξ=0, 為Gumbel族分布;當ξ>0,為Fréchet族分布;當ξ<0,為Weibull族分布。

        3.2 GEV的參數估計

        由式(3)及rn標準化公式知,GEV包括3個參數:形狀參數ξ、尺度參數αn、位置參數βn,該文采用MLE方法[1]進行參數估計。對給定的觀察樣本,一般無法直接估計參數。因此將由T個收益率構成序列分成g個互不相交的子樣,每個子樣有n個觀測值,即

        將子區(qū)間內觀測到的最大收益率記為rn,i,0≤i≤g,i表示第i個子區(qū)間,n表示子樣大小,最后用子樣最大值集合{rn,i}來估計極值分布未知參數。

        設子區(qū)間最大值{rn,i}服從GEV,滿足xi=(rn,i-βn)/αn的概率密度函數由式(3)求導后給出,可得rn,i的概率密度函數f(rn,i),如公式(4)所示。

        式(4)中的形狀參數βn有下標n表示它的估計依賴于n的大小。在rt獨立性假定下,得到子區(qū)間最大似然函數如公式(5)所示。

        基于公式(5),利用非線性估計程序得到3個參數估計。MLE方法估計出參數后,代入式(4)構建擬合GEV概率密度函數。為確定所擬合的模型的正確性,進行殘差檢驗,定義殘差如公式(6)所示。

        在公式(6)中,代入所求的估計的形狀參數、尺度參數、位置參數,求出各個rn,i的殘差值wi,作殘差序列圖,并作{wi}對指數分布Q-Q檢驗圖。如果GEV模型擬合正確的話,首先殘差序列圖中的散點不會有特定規(guī)律或趨勢,其次{wi}對應指數分布Q-Q檢驗圖中,散點應該落在45°參考直線上。通過以上檢驗,說明該GEV模型設定沒有錯誤,參數擬合效果較好。

        3.3 GEV計算VaR

        將MLE方式估計的參數代入式(3),并再考慮式(1),得到一個空頭頭寸的潛在損失超過一定限制的可能性p*如公式(7)所示。

        解得分位數如公式(8)所示。

        式(8)的分位數是子樣本最大值在極值理論基礎上計算的VaR。進一步確定子區(qū)間最大值與觀測值收益率序列rt的關系。由于假設時間序列是序列獨立或者弱相關,由式(2)得公式(9)。

        式(9)表明,概率之間的這種關系可得到原始的資產收益率序列的VaR,即對一個特定的很小的上尾概率p,且1-p=Pr(rt≤rn*),持有一個對數收益率為rt的資產,其空頭頭寸的VaR如公式(10)所示。

        式中:n為子區(qū)間的長度。

        綜上,對GEV計算VaR的問題,先通過尺度參數αn和位置參數βn規(guī)范化隨機變量的極值以避免極值分布退化,建立GEV分布函數。進一步,將整個序列等分成g個子區(qū)間,由各區(qū)間的極值觀測值,作GEV模型的MLE參數估計,求得所擬合的GEV模型參數后,可通過式(10)求得一個特定概率p的VaR。

        4 實證研究

        該文選取上海某銀行連續(xù)每日收盤價價格作為數據,共2694個交易日收盤價為實證分析的原始樣本,設Pt(t= 1,2,…,2694)是股票在第t個交易日的價格。對長期持有股票主要考慮損失大小,因此研究最小收益問題,分別采用GEV、計量經濟方法和分位數估計3種方法進行VaR估計。所有數據來源于網易財經,使用R語言對樣本數據進行處理。

        4.1 數據的基本統(tǒng)計分析

        為使數據在統(tǒng)計上更容易進行處理[1],該文采用股票日對數收益率,記為rt。rt= ln (Pt+1) - ln (Pt),t= 1,2,…,2693,經計算,該股票日收益率簡單的統(tǒng)計描述,見表1。

        表1可知該股票日對數收益率均值接近于0;樣本標準差不大;日對數收益率的具有較高的超額峰度與偏度問題。進一步對數據進行正態(tài)性相關檢驗。首先構建Jarque-Bera (JB)檢驗統(tǒng)計量[1],計算日對數收益率數據,結果JB49332,P值<0.0001,拒絕原假設,即日對數收益率不服從正態(tài)分布。圖1(a) 中,實線是該股票日對數收益率的經驗密度函數,虛線是該樣本均值和樣本標準差決定的正態(tài)概率密度函數,兩者相比,經驗密度函數在均值附近有更高的峰、尾部更厚。圖1(b) 中45°直線是參考線,本例來看,散點與參考線偏離程度較大,兩端彎曲程度比較明顯,說明該樣本不服從正態(tài)分布,具有厚尾。

        圖1 上海某銀行股票樣本的日對數收益率的圖像

        表1 上海某銀行股票樣本日對數收益率簡單統(tǒng)計描述

        圖2所示是該股票日對數收益率樣本自相關函數(Autocorrelation Function, ACF),該圖表明日對數收益率序列相關性很小,樣本ACF值基本都在兩個標準差之內,說明在5%水平下他們與0沒有顯著差別。進一步,該日對數收益率Ljung-Box統(tǒng)計量為[1],P值分別為0.704和0.09,這說明該股票對數收益率沒有顯著的序列相關性。

        圖2 上海某銀行的日對數收益率樣本自相關函數圖

        以上檢驗分析指出,本例日對數收益率的樣本并不服從正態(tài)分布,其分布呈現“尖峰厚尾”且數據不具有顯著的序列相關性,因此該數據應用GEV計算VaR是合理的。

        4.2 擬合GEV分布函數

        根據式(3)的形式,建立GEV模型。利用MLE法估計GEV模型的參數,對不同的子樣區(qū)間,取值不同的n得下表2。

        由表2的計算結果,當10≤n≤63,形狀參數ξn的估計是穩(wěn)定的,近似等于0.4,但當n為126時(n為每個子樣觀測值的個數),由于子區(qū)間被分割為僅22個互不相交的子樣,其結果具有高度可變性,估計值不穩(wěn)定。由形狀參數可知,該股票日對數收益率的分布屬于Fréchet族。

        表2 上海某銀行股票樣本的最小日對數收益率極值分布的最大似然估計

        子周期長度選取21個交易日,由式(3)建立極值分布函數,并采用式(6)的定義,計算擬合GEV分布的殘差,即負的日對數收益率擬合GEV分布時殘差。作該殘差圖(圖3),左圖為殘差序列圖,右圖為對指數分布的Q-Q圖,其中,殘差序列圖沒有顯示出模型誤設的問題,同時,對指數分布的Q-Q圖基本在理論指數分位數的直線上,因此認為GEV分布擬合是合理的。

        圖3 上海某銀行股票樣本的負的日對數收益率擬合GEV分布時的殘差圖

        4.3 計算VaR

        將4.2節(jié)的參數估計結果代入式(10),計算不同置信水平下的該VaR值,見表3。

        由表3表示,GEV中VaR的值對子區(qū)間長度n的選取較敏感且不同置信水平下的結果差異很大,應考慮選擇對應GEV分布擬合較好的子區(qū)間長度。

        表3 用廣義極值分布(GEV)計算VaR結果

        為進一步分析,選取子區(qū)間長度n=21的結果下,假設持有一個1000萬人民幣的多頭頭寸,考慮運用GEV、計量經濟方法和分位數估計3種方法計算樣本數據的VaR,求得在下一個交易日中的損失。VaR概率分別取為5%、1%、0.1%,即損失將以概率95%、99%、99.9%低于或等于VaR,各種方式計算的結果如表4。

        表4看出,不同的方法結果有區(qū)別。首先,高斯AR(2)-GARCH(1,1) 模型在各VaR概率下均低估了損失,這主要是因為上海某銀行股票日對數收益率的分布具有厚尾性,所以基于正態(tài)分布假設的計算VaR不是很合理。然后,對經驗分位數估計VaR時,5%和1%的經驗分位數的估計結果可以當作真實VaR的一個保守估計(下界),但當尾部概率很?。ɡ?.01%) 時,經驗分位數是真實分位數的一個不太合理的估計[1]。再比較自由度為3的標準化學生t-分布AR(2)-GARCH(1,1) 模型計算結果,對VaR概率5%估計較為合理,但概率較小時,會出現低估損失的問題。最后,在GEV計算VaR值時,當尾部概率較大時(例如5%),GEV方法出現低估的情況,但隨著尾部概率的減小,特別是到0.01%時,估計結果都大大高于正態(tài)分布假定下的VaR,這主要是因為,當VaR概率較小時,GEV分布的厚尾性發(fā)揮作用,估計結果更合理。

        表4 各方法計算持有1千萬人民幣的多頭頭寸時下一個交易日各概率VaR結果 (單位:元)

        5 結語

        由于極值事件在社會經濟中有很重要的影響,風險價值(VaR)評估受到越來越多的關注。在金融市場風險管理中,VaR確定的關鍵在于其損失函數累積分布函數的確定?;跇O值理論的廣義極值(GEV)分布方法,通過構建非退化的最大或最小值統(tǒng)計量,建立綜合模型研究極值分布情況,再通過轉換得到一定p值的分位數,那就是所求VaR。

        在實例分析時,實際收益率呈現“尖峰厚尾”,所以運用基于正態(tài)分布的模型在估計VaR存在不合理性。相比之下,GEV方法能很好刻畫出極值數據分布的厚尾性,特別是Fréchet族分布形式。另外,當VaR尾概率p減小時,GEV方法能更好發(fā)揮出厚尾作用,所得VaR估計更精準合理。

        猜你喜歡
        模型
        一半模型
        一種去中心化的域名服務本地化模型
        適用于BDS-3 PPP的隨機模型
        提煉模型 突破難點
        函數模型及應用
        p150Glued在帕金森病模型中的表達及分布
        函數模型及應用
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權M-估計的漸近分布
        3D打印中的模型分割與打包
        一级一级毛片无码免费视频 | 美国黄色av一区二区| 中文有码亚洲制服av片| 老妇女性较大毛片| 亚洲欧美日韩综合在线观看| 久久色悠悠亚洲综合网| 女同视频一区二区在线观看| 少妇人妻大乳在线视频不卡| 国产啪精品视频网站丝袜| 啪啪视频免费看一区二区| 日本黑人亚洲一区二区| 国产aⅴ无码专区亚洲av麻豆 | 一本一本久久a久久| 女同性恋一区二区三区四区| 公厕偷拍一区二区三区四区五区| 亚洲免费网站观看视频| 亚洲国产精品嫩草影院久久| 亚洲女同恋中文一区二区| 日本少妇又色又爽又高潮| 国产丝袜视频一区二区三区| 日日爽日日操| 久久亚洲精品一区二区三区| 成年女人a级毛片免费观看| 亚洲国产区男人本色| 精品人妻av一区二区三区不卡| 黄色国产一区二区99| 曰本无码人妻丰满熟妇啪啪| 国产精品毛片无码久久| 日本高清色一区二区三区| 亚洲av无码国产精品久久| 国产精品jizz视频| 九九久久精品大片| 91一区二区三区在线观看视频| 亚洲精品无码永久在线观看你懂的| 亚洲天堂99| av网站在线观看二区| 成年丰满熟妇午夜免费视频| 亚洲一区av无码少妇电影| 国产精品亚洲av网站| 精品亚洲天堂一区二区三区| 一本一道久久a久久精品综合|