论文部分内容阅读
在金融市场中,极端的价格运动虽然少见,但很重要。1987年华尔街股市崩盘,1998年亚洲金融危机,2008年次贷危机以及2011年欧洲债务危机使得金融市场的波动日益加剧,一些黑天鹅事件频繁发生,众多公司因此而破产,这已经引起了实际应用者和研究者的广泛关注,有些人甚至呼吁政府加强对衍生品市场的监管。近年来,随着创业板登陆A股市场以及股指期货的推出,我国股市表面上很大的日价格波动进一步产生了关于市场风险以及金融机构保证金设置的讨论。因此,风险价值逐渐成为在风险管理中广泛使用的度量标准。本文主要讨论极值理论的VaR计算方法以及这方法背后的统计理论,由于单纯的VaR风险度量方法存在着不满足一致性风险度量的缺陷,本文又引入了一致性风险度量方法ES和反映投资者风险规避特征的风险谱函数SRM, ES方法更好地的捕捉了金融数据的尾部分布,弥补了VaR的某些不足,而SRM方法则考虑到了投资者的风险偏好,能够更全面的估计风险价值,从而使模型更加客观的反映实际情况。然后本文系统地阐述了极值理论,包括基于广义极值分布和广义帕累托分布的BMM模型与POT模型。特别是,第五章对时间序列相关性的分析,脱离了传统极值理论的序列独立性假设,通过引入极值指标建立平稳时间序列的极值理论模型,继而从一个更宽泛的角度对风险价值进行了解释。本文以我国沪深A股市场为研究对象,选取沪深300指数日收盘价为原始数据,将极值理论应用于风险价值的计算,并将应用结果与传统极值理论的结果进行了比较分析,最后得出结论,改进后的模型能更加准确地刻画实际市场数据的极端波动情况,弥补了传统极值理论低估VaR的不足。本文旨在运用极值理论等相关知识提高风险价值的适用性和估计的精确度,相信本文对金融机构应用VaR和ES控制市场风险具有重要的参考价值和指导意义。