Professional Documents
Culture Documents
應明哲 2020/09/08
Abstract
• 風險價值 (VaR) 衡量的是在給定置信水平的正常市場條件下,給定
期限內的最壞預期損失
• 數值模擬可以通過產生大量對數回報來幫助解決這個問題,但是
存在運算緩慢的問題
• VaR 存在一些缺點:
• 1) 當超過在險價值時,它沒有給出任何關於潛在損失的信息;
• 2) 如果分佈的尾部 42 足夠重 ( 在極值理論中,尾部指數 >2) ,它也不能表現出次可加性
• 具有 (1-α) 置信水平的風險值是
α- 百分位數,其中 α=5%
VaR Estimation——within day
• 對不同的窗口重複該過程,在 22 天的非重疊窗口的情況下,我
們可以計算許多這樣的最大累積損失
Methodology
• 文章描述用於計算 VaR 的三種方法。分別是: 1)SPX 數據的實證
研究; 2) 數值模擬; 3) 卷積方法。
2.數值模擬:生成大量獨立常態分佈隨機變數。這些隨機變數的
mean 和 SD 與實際的 SPX 數據相同。
Methodology
3. 卷積方法:給定
兩日的累計分配:
i 日的累計分配:
卷積公式來產生 s2 的分配
離散卷積為:
Results and Discussions of Empirical Data
• 文章選擇 1% 、 2.5% 和 5% 的顯著性水平來做實證研究,根據巴塞爾
協議,對於 i=10 的持有期,銀行被要求報告 VaR 為 1% 的顯著性水
平。金融機構通常使用 5% 的顯著性水平。
• 在相關係數為 0 ,數據的擬合程度較高
Results and Discussions of Convolution Approach
• 結果發現,當 ρ=-0.2 時,調整卷積函數不能很好擬合如圖所示的模擬結果。
Results and Discussions of Convolution Approach
• 更好地检验卷积与模拟的差异,在网格较细、 ρ 较大 (0.7 时 ) 的情况下进行数值模拟
Results of Convolution Approach Applied on Actual Distribution
• 數值模擬可以通過生成例如一百萬甚至四百萬個對數報酬來幫助解決問題。它已經提供關
於分配如何隨時間演變的許多見解。然而數值模擬是非常耗時的