论文部分内容阅读
VaR(Value at Risk)风险价值方法是上世纪90年代以后发展起来的一种新型风险度量和控制的模型，它简单易操作，应用范围广，相比于传统的金融风险管理模型，具有更高的实用价值。期望短缺(Expected Shortfall，简称CVaR)是损失超过VaR的条件均值，也称条件受险价值(CVaR)或尾部VaR，它反映了损失超出VaR的平均水平，是目前市场风险估值的新型工具。近年来VaR和CVaR(Expected Shortfall)已经成为金融界普遍接受并逐渐广泛应用的风险测度方法。VaR可以定义为：一定的概率水平下，证券组合在未来特定一段时间内的最大可能损失。VaR的优点在于将不同的市场因子、不同市场的风险集成为一个数，较准确度量由不同风险来源及其相互作用而产生的潜在损失，适应了金融市场发展的动态性、复杂性和整合性的趋势，但VaR本身仍存在一些不足。一是没有考虑到尾部风险，即损失超过VaR值的风险；其次，它不是一致的风险度量工具。Artzner(1997)提出了ES(Expected Shortfall)的概念，CVaR度量损失超过VaR的损失期望值，它是一致的风险度量工具。本文给出了一种将理论分析与实证分析相结合的VaR和CVaR模型精确性评价方法。采用S-PLUS计算得出了基于GPD分布、正态分布和GARCH模型分布的损失序列的VaR和CVaR的估计值。本文应用这些模型对上证180指数和深圳成份指数的日收益率序列进行了实证分析。最终研究结果表明，股指收益率序列的分布形态假设、样本数据量以及选取的置信度都对VaR模型的精确程度有很大的影响，且CVaR的效果较VaR好。同时，本文还对VaR和CVaR投资组合中的VaR和CVaR理论进行了介绍。