论文部分内容阅读
【摘 要】 本文运用Cornish-Fisher与标准t(d)分布拟合法，选取上证综合指数的1210个样本数据与深圳成份指数的1210个样本数据进行实证分析，结果表明深圳成份指数的VaR绝对值大于上证综合指数，深圳成份指数的风险较大
【关键词】VaR；标准t(d)分布拟合法； Cornish-Fisher方法；
中图分类号：F830
文献标识码：A
文章编号：1009-8283(2009)03-0010-02
1 引言
随着全球经济一体化的发展，，全球货币经济和金融事业的发展，金融风潮的出现已经不再是一种偶然的、自发的现象，其影响范围也不仅局限于某国或某一个地区。同时，受经济全球化和金融一体化、竞争与放松管制以及金融创新与技术进步等因素的影响，金融市场的波动性和系统风险也大为加剧。而证券市场作为金融体系中最敏感的因素，必将成为金融市场动荡的“晴雨表”。在证券业和证券市场剧烈变化和波动的形势下，如何找出一种有效度量证券市场风险的方法，是我国证券市场面临的一个现实问题。
目前，在我国关于风险的研究很多，并且对证券投资市场的风险度量方法也有一些研究，如总风险度量方法、系统风险度量方法、非系统风险度量方法等。近年来随着国内金融机构对风险预警和管理要求的提高，一些投资机构也开始尝试着借鉴金融风险预警中的风险价值(VaR)模型来控制投资过程中的风险。简单的说VaR是描述金融或投资机构在目前风险状态下遇到的损失大小的一种简单方法。作为一种风险测量的方法，VaR首先是一种运用标准统计技术估计金融风险的方法；而比较通用的定义是：给定时间间隔和一定置信水平的，在正常的市场条件下某资产或投资组合的最大可能损失值。VaR方法是目前较新、较好的风险度量方法，并且关于VaR的测算方法有很多种。但是，这些关于VaR的测算方法多是从国外直接引进，没有说明是否适应我国证券市场。我国目前处在经济改革的进程中，影响我国证券市场的不确定性风险因素很多，因此我国证券市场呈现出特有的风险特征。
本文运用标准t(d)分布拟合方法，Cornish-Fisher方法分别估计我国上证综合指数收益率和深证成份指数收益率的风险值，用这一标准统计技术对我国证券市场进行风险度量，并对风险值进行比较研究。
2 方法介绍
2.1 VaR的定义
VaR(Value-at-Risk)叫做风险值或在险值，意为处在风险中的价值。VaR定义为：在一定的持有期，一定的置信水平下可能的最大损失。
设R是描述组合收益的随机变量，f(R)是其概率密度函数，置信水平是c，那么收益小于R*的概率为：
置信水平表示承担风险的主体对风险的偏好程度，一般取90%～9919%。风险值(VaR)总是用某个国家的货币作为基准表示的，所以VaR的值依赖于基础货币的选取。因此，VaR对风险的度量具有本质的进步，开创了全新的风险管理阶段，它在风险度量的基础上，其技术可用于全面风险管理，包括机构的设置、部门的管理、绩效评估、报酬的分配以及资本配置、金融监管等等。
2.2 VaR的计算方法
本文主要运用VaR的两种计算方法：标准化t(d)分布的拟合法、Cornish-Fisher方法(在这里我们的P=0.01)
①标准化t(d)分布的拟合法
由于t(d)是一个拟合尖峰厚尾特征的一个比较好的分布，标准化后的t(d)记为 t(d)，其密度函数由下面公式给出
3 数据收集
本文使用了2003年1月28日到2008年1月28日的1210个上证综合指数和深圳成份指数的日数据进行分析，并通过下期收盘价/上期收盘价来计算两市的收益率，并取其对数来分析。
所选数据均来自WIND数据库。
4 实证研究
4.1 对上证综合指数的VaR分析
①标准化t(d)分布的拟合方法
(1)计算出收益率，用eviews算出期望，方差，峰度，偏度等。得到的eviews的输出结果为：均值为0.000893，标准差为0.015656，偏度为-0.52728，峰度为6.792013。
(2)使用程序(1)估计d的极大似然估计
5 结论
表3给出了在99%的置信区间内上证综合指数与及深圳成份指数分别在两种度量方法下的VaR值的比较。
从表3中可以看出，通过计算在两种方法的计算上证综合指数的VaR绝对值都要大于深圳成份指数的VaR值，说明深圳成份指数的风险较大。但我们也可以看到上海证券交易所的平均收益为0.000893小于深证证券交易所的平均收益0.001382，这说明风险越大收益越大。
在本文存在着许多需要改进的地方，因为VaR工具本身存在一定的缺陷。具体体现在使用VaR方法时，运用到证券市场通常有一定的假设条件。我们所选取的数据只是基本上符合各种分布条件，这会在一定程度上对预测结果产生影响。在以后的研究中，可以综合考虑证券市场时间序列的特性，选择各种不同分布下的模型来进行VaR的计算，从而更加有效的进行证券市场的风险测量。
参考文献：
[1]Pichler S，Selitsch K. A comparison of analytical VaR methodologies for portfolios that include options[Z]. Technical Document，TU Wien，1999.
[2]李子奈.计量经济学[M].高等教育出版社.2007年7月
[3]高铁梅.计量经济分析方法与建模[M].清华大学出版社.2007年5月
[4]Ruey S.Tsay.金融时间序列[M].机械工业出版社.2007年10月
[5]薛媛.VaR在证券市场风险测量中的应用[M].北方工业大学.2006年12月
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文
【关键词】VaR；标准t(d)分布拟合法； Cornish-Fisher方法；
中图分类号：F830
文献标识码：A
文章编号：1009-8283(2009)03-0010-02
1 引言
随着全球经济一体化的发展，，全球货币经济和金融事业的发展，金融风潮的出现已经不再是一种偶然的、自发的现象，其影响范围也不仅局限于某国或某一个地区。同时，受经济全球化和金融一体化、竞争与放松管制以及金融创新与技术进步等因素的影响，金融市场的波动性和系统风险也大为加剧。而证券市场作为金融体系中最敏感的因素，必将成为金融市场动荡的“晴雨表”。在证券业和证券市场剧烈变化和波动的形势下，如何找出一种有效度量证券市场风险的方法，是我国证券市场面临的一个现实问题。
目前，在我国关于风险的研究很多，并且对证券投资市场的风险度量方法也有一些研究，如总风险度量方法、系统风险度量方法、非系统风险度量方法等。近年来随着国内金融机构对风险预警和管理要求的提高，一些投资机构也开始尝试着借鉴金融风险预警中的风险价值(VaR)模型来控制投资过程中的风险。简单的说VaR是描述金融或投资机构在目前风险状态下遇到的损失大小的一种简单方法。作为一种风险测量的方法，VaR首先是一种运用标准统计技术估计金融风险的方法；而比较通用的定义是：给定时间间隔和一定置信水平的，在正常的市场条件下某资产或投资组合的最大可能损失值。VaR方法是目前较新、较好的风险度量方法，并且关于VaR的测算方法有很多种。但是，这些关于VaR的测算方法多是从国外直接引进，没有说明是否适应我国证券市场。我国目前处在经济改革的进程中，影响我国证券市场的不确定性风险因素很多，因此我国证券市场呈现出特有的风险特征。
本文运用标准t(d)分布拟合方法，Cornish-Fisher方法分别估计我国上证综合指数收益率和深证成份指数收益率的风险值，用这一标准统计技术对我国证券市场进行风险度量，并对风险值进行比较研究。
2 方法介绍
2.1 VaR的定义
VaR(Value-at-Risk)叫做风险值或在险值，意为处在风险中的价值。VaR定义为：在一定的持有期，一定的置信水平下可能的最大损失。
设R是描述组合收益的随机变量，f(R)是其概率密度函数，置信水平是c，那么收益小于R*的概率为：
置信水平表示承担风险的主体对风险的偏好程度，一般取90%～9919%。风险值(VaR)总是用某个国家的货币作为基准表示的，所以VaR的值依赖于基础货币的选取。因此，VaR对风险的度量具有本质的进步，开创了全新的风险管理阶段，它在风险度量的基础上，其技术可用于全面风险管理，包括机构的设置、部门的管理、绩效评估、报酬的分配以及资本配置、金融监管等等。
2.2 VaR的计算方法
本文主要运用VaR的两种计算方法：标准化t(d)分布的拟合法、Cornish-Fisher方法(在这里我们的P=0.01)
①标准化t(d)分布的拟合法
由于t(d)是一个拟合尖峰厚尾特征的一个比较好的分布，标准化后的t(d)记为 t(d)，其密度函数由下面公式给出
3 数据收集
本文使用了2003年1月28日到2008年1月28日的1210个上证综合指数和深圳成份指数的日数据进行分析，并通过下期收盘价/上期收盘价来计算两市的收益率，并取其对数来分析。
所选数据均来自WIND数据库。
4 实证研究
4.1 对上证综合指数的VaR分析
①标准化t(d)分布的拟合方法
(1)计算出收益率，用eviews算出期望，方差，峰度，偏度等。得到的eviews的输出结果为：均值为0.000893，标准差为0.015656，偏度为-0.52728，峰度为6.792013。
(2)使用程序(1)估计d的极大似然估计
5 结论
表3给出了在99%的置信区间内上证综合指数与及深圳成份指数分别在两种度量方法下的VaR值的比较。
从表3中可以看出，通过计算在两种方法的计算上证综合指数的VaR绝对值都要大于深圳成份指数的VaR值，说明深圳成份指数的风险较大。但我们也可以看到上海证券交易所的平均收益为0.000893小于深证证券交易所的平均收益0.001382，这说明风险越大收益越大。
在本文存在着许多需要改进的地方，因为VaR工具本身存在一定的缺陷。具体体现在使用VaR方法时，运用到证券市场通常有一定的假设条件。我们所选取的数据只是基本上符合各种分布条件，这会在一定程度上对预测结果产生影响。在以后的研究中，可以综合考虑证券市场时间序列的特性，选择各种不同分布下的模型来进行VaR的计算，从而更加有效的进行证券市场的风险测量。
参考文献：
[1]Pichler S，Selitsch K. A comparison of analytical VaR methodologies for portfolios that include options[Z]. Technical Document，TU Wien，1999.
[2]李子奈.计量经济学[M].高等教育出版社.2007年7月
[3]高铁梅.计量经济分析方法与建模[M].清华大学出版社.2007年5月
[4]Ruey S.Tsay.金融时间序列[M].机械工业出版社.2007年10月
[5]薛媛.VaR在证券市场风险测量中的应用[M].北方工业大学.2006年12月
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文