基于極值理論的股票的流動性風險度量及其應用研究.pdf

1、股票市場的功能之一就是在交易成本盡可能低的情況下，使投資者能夠迅速、有效、穩(wěn)定地執(zhí)行交易，也就是說投資者能在股票市場上獲得充分的流動性。在極端情況下，股票市場的崩潰往往與市場的流動性嚴重不足直接相關，流動性消失會對整個市場造成災難性的后果。
　　 VaR模型和CVaR模型是國際上廣泛運用的兩種風險測量方法。他們從數(shù)量上對風險進行了客觀明確的描述，以簡單的數(shù)字告訴投資者，在一定的置信水平下，所面臨的最大損失和不利的極端事件發(fā)生時可

2、能遭受的平均損失的程度。但實際中大多數(shù)金融資產(chǎn)時間序列具有顯著的厚尾特征。這意味著VaR在度量金融資產(chǎn)風險時，其正態(tài)性的假設不符合實際，即對極值事件考慮不足，導致了極端風險的低估。
　　 極值理論（Extreme Value Theory，EVT）是研究隨機過程的極值分布及其特征的模型技術，對隨機過程中的厚尾現(xiàn)象具有突出的針對性，并可在總體分布未知情況下，依靠樣本數(shù)據(jù)外推得到總體極值的變化性質(zhì)，克服了傳統(tǒng)統(tǒng)計方法不能超越樣本數(shù)據(jù)

3、進行分析的局限。將EVT應用到金融風險管理領域可以彌補VaR對極值事件關注的不足。
　　 本文即基于極值理論研究金融極端風險的度量問題，并在相關研究結論之上對我國滬市的極端流動性風險進行應用分析，并提出政策建議。本文主要研究內(nèi)容有：極值漸近分布的類型及性質(zhì)；基于廣義極值分布（GEV）和廣義Pareto分布（GPD）的BMM模型與POT模型，并將極值BMM與POT模型引入到尾部高分位數(shù)的估計中；金融時間序列相關性對極值模型的影響及