基于條件極值模型的尾部風險研究.pdf

1、2008年爆發(fā)的全球性金融危機引起了人們對金融市場極端風險的極大重視。風險價值(VaR)和期望損失(ES)作為現(xiàn)代金融尾部風險測度,在行業(yè)中得到了廣泛的應用。對于資產(chǎn)管理公司、對沖基金、投資銀行、商業(yè)銀行等金融機構和廣大個人投資者來說,有效預測市場尾部風險非常重要。
　　自回歸移動平均廣義自回歸條件異方差(ARMA-GARCH)模型由于能夠較為精確地捕捉收益率的動態(tài)均值與波動性結構,在金融建模中得到了廣泛的應用。而一元極值理論中的

2、閾值模型能夠精確刻畫獨立同分布隨機變量的尾部分布。如果將該極值模型引入時間序列模型中,即得到條件極值模型。該模型可以利用時間序列模型和極值模型的雙重優(yōu)點,成為刻畫收益率動態(tài)尾部特征的有力工具。
　　本文運用三種新息分布的自回歸移動平均廣義自回歸條件異方差模型以及衍生出來的三種條件極值統(tǒng)計模型,對近十幾年來中國、美國、歐洲、日本和印度五大金融市場的市場指數(shù)分別進行95％、99%和99.5%置信度下的雙側VaR和ES的預測與樣本外事后

3、檢驗。結果顯示正態(tài)新息分布的ARMA-GARCH模型由于不能捕捉新息序列的非對稱性和厚尾性,從而不能精確預測VaR和ES,尤其對于高置信度。學生t新息分布的ARMA-GARCH模型由于不能捕捉新息序列的非對稱性,結果并未好轉。而偏t分布的采用使得預測精度大大提升。對以上ARMA-GARCH模型,采用閾值模型估計新息尾部而不是運用新息參數(shù)分布假設來估計尾部,不論采用何種新息分布,事后檢驗結果都堪稱完美。本文為我國風險管理行業(yè)科學預測與控制