| 中小板证券市场VaR估计精度实证研究 |
|
|
|
到大排序，并给出经验分布函数，由此就可以估计不同置信水平下的VaR值。为了提高历史模拟法的估算精度，还可以使用一些修正方法，例如自助法（bootstrap）和核估计方法（kernel density function），参见文献Barone-Adesi等（2002）。
三、VaR模型估计精度的评价准则
为了评估各类型VaR估计精度的表现，我们采用了1990年12月19日至2005年12月31号共3825个深市综合指数日收盘价数据，并将2002—2005年的共716个交易日数据作为VaR估计的检验样本，分别对三类VaR估计精度的表现进行事后检测。通过考察VaR估计的失误率是否与模型描述的理论置信水平一致，以及产生误判后的严重程度来评估不同模型的估计精度。
对于如何评估VaR的估计精度，Lopez（1999）提出了一个可操作的损失函数。金融机构i在时间t使用的损失函数的一般形式概括如下：
f（）和g（）是满足f（）?叟g（）的函数，且△P表示得到的收益或者损失。这里考虑了两个具体的损失函数，即二值损失函数和平方损失函数。二值损失函数考察了在给定的期限中的损失是否小于或者大于相应的VaR估计值，而平方损失函数考虑了损失超过VaR估计值的严重性。
首先比较过去T天的每日风险值（Daily VaR）与每日实际发生之损失值，若每日实际发生之损失值超过每日风险值，表示VaR估论文联盟http://wWw.LWlm.Com计值不准确；换言之，表示VaR估计失败或者叫做“例外”。最后，再加总整个样本期间的失败次数，便得出该VaR模型之总累积失败次数。二值损失函数就是重点考虑总累积失败率，即只集中考虑产生例外的数目而不是考虑这些例外的严重程度。每一个超出VaR估计值的损失被赋予同等的单位权，其他的所以收益或损失都被赋予零权，即：
1；△Pi，t+1 0；△Pi，t+1?叟VaRi，t （2）
如果VaR模型真实地反应了由置信区间所定义的收敛水平，那么对所有样本的平均二值损失函数应该等于0.05（在置信水平为95%的VaR估计时）和0.01（在置信水平为99%的VaR估计时）。 平方损失函数考虑上一页 [1] [2] [3] [4] [5] [6] [7] [8] 下一页 |
|
|
| |
|
上一个论文： 中小板、创业板罕见恐慌性杀跌
下一个论文： 深圳市中小板上市公司收益状况的实证分析 |
|
用户登录 
新用户注册 