基于高頻數(shù)據(jù)的條件極值動(dòng)態(tài)VaR估計(jì)研究.pdf

1、自從布雷頓森林體系崩潰，發(fā)達(dá)國家金融機(jī)構(gòu)的倒閉和巨虧案例,尤其是2008年以來由美國次貸危機(jī)引起的全球金融危機(jī)，金融機(jī)構(gòu)面臨著巨大的市場(chǎng)風(fēng)險(xiǎn)。風(fēng)險(xiǎn)管理的核心是風(fēng)險(xiǎn)測(cè)量。目前，靈敏度的分析方法、波動(dòng)性測(cè)量方法、VaR在險(xiǎn)價(jià)值法、壓力試驗(yàn)法和基于極值理論的方法是金融風(fēng)險(xiǎn)管理中市場(chǎng)風(fēng)險(xiǎn)測(cè)量的主要工具。傳統(tǒng)的風(fēng)險(xiǎn)測(cè)量和計(jì)算方法，如在險(xiǎn)價(jià)值（Value at Risk)，在對(duì)收益分布尾部特征估計(jì)方面存在一定不足。于是學(xué)者引入極值理論，從一個(gè)新的角

2、度對(duì)極端的市場(chǎng)條件下的金融機(jī)構(gòu)損失進(jìn)行估計(jì)。與此同時(shí)大數(shù)據(jù)時(shí)代帶來的信息風(fēng)暴改變著我們的思維、生活和工作，也對(duì)數(shù)據(jù)處理方法、統(tǒng)計(jì)指標(biāo)和擬合分布的選擇也提出了更高的要求。學(xué)者們漸漸地開始在高頻數(shù)據(jù)的基礎(chǔ)上，對(duì)金融市場(chǎng)風(fēng)險(xiǎn)如何更好地測(cè)量進(jìn)行研究。
　　本文在條件極值分布的前提下，動(dòng)態(tài)估計(jì)高頻數(shù)據(jù)的VaR。第一步，建立BSP-HAR-RV這樣一個(gè)模型對(duì)最優(yōu)頻率進(jìn)行選擇。我國的股票交易市場(chǎng)高頻數(shù)據(jù)頻率為每分鐘，通過繪出平均雙冪變差已實(shí)現(xiàn)波

3、動(dòng)率散點(diǎn)圖，在考慮測(cè)量產(chǎn)生的誤差時(shí)，也考慮市場(chǎng)的微觀結(jié)構(gòu)會(huì)帶來的影響，對(duì)最優(yōu)頻率進(jìn)行挑選。模型中選取雙冥變差RV作為指標(biāo)，有效預(yù)計(jì)到金融數(shù)據(jù)中可能出現(xiàn)的跳躍點(diǎn)，頻率范圍定為[1,240]，作出了平均雙冥變差已實(shí)現(xiàn)波動(dòng)率散點(diǎn)圖，選取最優(yōu)頻率。本文還建立了BSP-RM-RV-POT模型對(duì)金融高頻時(shí)間序列進(jìn)行動(dòng)態(tài)VaR估計(jì)。為了求得收益分布的下側(cè)分位數(shù)，首先求出樣本的對(duì)數(shù)收益率，然后收益率序列取負(fù)號(hào)，在負(fù)收益率分布的基礎(chǔ)上建立模型。在引入“已

4、實(shí)現(xiàn)波動(dòng)率RV”后，再引入“已實(shí)現(xiàn)均值RM”，從自回歸模型中得出殘差序列。在這個(gè)基礎(chǔ)上，在條件極值理論的支持下對(duì)擾動(dòng)項(xiàng)序列進(jìn)行POT估計(jì)。
　　研究結(jié)果表明，在最優(yōu)頻率下，模型擬合的參數(shù)都通過了顯著性檢驗(yàn)，擬合結(jié)果能夠預(yù)測(cè)波動(dòng)率變化趨勢(shì)。在與5min、10min兩種頻率的對(duì)比結(jié)果來看，頻率f=10min時(shí)的變量的顯著性水平最好，均為0.01，與最優(yōu)頻率f=11min的結(jié)果相比，周已實(shí)現(xiàn)波動(dòng)率的顯著性水平為0.10。但是從模型的總體

5、情況來看，最優(yōu)頻率模型的結(jié)果的殘差標(biāo)準(zhǔn)誤差為0.0004895，比在頻率f=5min、f=10min下抽樣的樣本所得到的模型，其殘差的標(biāo)準(zhǔn)誤差都要小，結(jié)果更優(yōu)。由此可以得出在最優(yōu)頻率下抽取的樣本可以提高模型的精度。本文建立BSP-RM-RV-POT對(duì)金融高頻時(shí)間序列，進(jìn)行動(dòng)態(tài)VaR估計(jì)，對(duì)RM和RV的自回歸序列計(jì)算得到殘差序列，通過General Parent Distribution對(duì)殘差序列來擬合，得到GPD模型擬合圖。從GPD模型