论文部分内容阅读
在金融界中,风险价值VaR(value at Risk)已经成为风险度量的重要工具,可以用其刻画风险.而CVaR风险度量是在VaR风险度量方法的基础上产生的, CVaR是指损失超过VaR水平的条件期望, CVaR是一致风险度量,知道CVaR的值更能回避风险.所以正确估计VaR与CVaR的值具有重大的现实意义.王耀(2007,[1])、刘艳春(2005,[2])、徐炜(2008,[3])、罗付岩(2005,[4])等文章都是在不包含趋势项的GARCH模型的基础上估计VaR而且没有计算CVaR,然而在实际中有许多金融数据序列会呈现出各种形式的相依性和趋势性,所以本文将对包含趋势项的GARCH模型进行讨论,也就是在ARMA-GARCH模型基础上讨论VaR和CVaR的估计.为了避免分布选择的困难,本文还将考虑一种VaR的积分核型非参数估计.设X1,X2,···,Xn是来自分布函数F(x)的一个样本,该样本的第i个次序统计量,记为X(i),Parzen(1979,[5])提出用核函数估计Q(p),其中Q(p)为分布F(x)的p分位数,我们称KQp为Q(p)积分核型估计量. Yang(1985,[6])确定了KQP的渐近正态性和均方收敛速度;此外,Sheather(1990,[7])给出了KQP的均方误差收敛速度,并根据均方误差计算出最优窗宽hopt的表达式;本文结合文Sheather(1990,[7])给出了分布拟合窗宽选择方法,然后用KQP来估计VaR,本文称此方法为积分核型估计方法.本文首先介绍VaR与CVaR的含义和重要性,在ARMA-GARCH模型下的VaR与CVaR估计与积分核型估计VaR中说明了本文研究的新内容和方法.其次给出了基于MARM-GARCH模型的VaR与CVaR的计算公式和似然函数,并进行数值模拟和实证分析.接着给出了用积分核型估计VaR的思想,并进行数值模拟和实证分析.最后总结了本文的主要成果和指出还可以值得进一步研究的地方.