| 标题 | 用广义帕累托分布估计极端尾部风险 |
| 范文 | 郭森 孙志宾 【摘 要】在股票市场，那些频繁发生的风险往往不是最重要的，反而那些极小可能发生的事件会造成重大损失。因此，极端风险度量是至关重要的。论文以我国沪深股市的收益率为研究对象，基于POT的方法计算沪深股市的在险价值。论文在阈值的选取采用自动顺序测试程序，运用Jin ZHANG（2009）提出的一个新的估计方法来估计参数，这种方法改进了最大似然估计并且避免了计算问题。实证分析表明我国沪深股市的收益率序列确实是明显的尖峰厚尾分布，实证分析算出的在险价值表明深市的风险比沪市要高。 【Abstract】In the stock market， those frequent risks are often not the most important， on the contrary， those events that are extremely unlikely to occur will result in significant losses. Therefore，the extreme risk measurement is essential. In this paper， the return rate of Shanghai and Shenzhen stock market is taken as the research object， and the risk value of Shanghai and Shenzhen stock market is calculated based on POT method. In this paper， an automatic sequential test program is used to select the threshold， and a new estimation method proposed by Jin ZHANG （2009） is used to estimate the parameters. This method improves the maximum likelihood estimation and avoids the computational problem. The empirical analysis shows that the return rate sequence of Shanghai and Shenzhen stock market is indeed an obvious "peak fat tail" distribution. And the value at risk calculated by empirical analysis shows that the risk in Shenzhen is higher than that in Shanghai. 【關键词】POT极值理论；在险价值；沪深股市 【Keywords】POT extreme value theory； risk value； Shanghai and Shenzhen stock market 【中图分类号】F832.5 【文献标志码】A 【文章编号】1673-1069（2018）11-0065-02 1 引言 通过相关文献的研究，我国学者对我国股市尖峰厚尾数据的风险测量研究达成了较大程度上的共识。但是在一些细节的方面存在一些差异，如阈值的确定，唐勇，唐振鹏应用平均超额函数图法、核拟合优度统计量法的阈值选取方法；吴慧慧运用平均超额函数图法；郭燕湄运用SME散点图的方法；花拥军，张宗益（2010）利用峰度法定量选取了阈值。在GPD参数估计方面大多数学者都选择了极大似然估计法。 本篇论文编写了自动顺序测试程序找出阈值，并且运用Jin ZHANG（2009）提出的一个新的估计方法，这种方法改进了最大似然估计并且避免了计算问题。 2 GPD模型介绍 广义帕累托分布（GPD）由Pickands 在1975年命名，GPD是两参数分布族，它的概率分布函数为 3 POT模型介绍 4 尾部风险测量 5 实证分析 本文数据采用来自网易财经的上海和深圳的日收盘综合指数，数据取2005年1月4日至2018年6月4日，共3260个数据。日收益率采用对数收益，考虑到实际计算时收益率数字水平太小，故放大100 倍，即：Rt=log（Pt/Pt-1）*100，其中Pt表示第t天的日收盘价[2]。 第一，偏态分布检验。 表1给出了上证综指和深证综指的对数收益率的统计特征，我们可以看到上证综指的峰度4.41大于3，则认为峰的形状比较尖，比正态分布峰要陡峭；偏度为-0，57小于0，则认为有向左偏移；深证综指的峰度2.87，则认为峰的形状比较平，偏度为-0.72小于0，则认为有向左偏移。偏度和峰度证明了上证综指和深证综指的对数收益率具有厚尾的特征。K-S检验统计量为0.071332和0.11288，P-value为0，拒绝数据是正态分布。 第二，独立性检验。由BDS检验统计量都为正可知，上证综指和深证综指对数收益率为非独立分布。 第三，平稳性检验。对序列做ADF检验，结果显示序列是平稳的。 以上的检验结果表明：上证综指的对数收益率是尖峰厚尾向左偏移的分布，数据之间不独立但是是平稳的；深证综指是厚尾向左偏移的分布，数据之间不独立但是是平稳的。 6 阈值选择 阈值的选择在极值分析中是至关重要的。若我们选择的阈值太高，则观测数据就会过少，导致方差增大；若选择的阈值太低，则GPD近似可能不成立，产生有偏差的估计量。本文采取自动顺序测试程序找出阈值。 由于数据量庞大本文利用统计软件R编写了自动顺序测试程序，得出的结果是取阈值为2.038和2.572774。选定阈值后，对POT模型的拟合状况进行诊断。下图为上证综指的对数收益率超出量的GPD估计和尾部分布的估计。从图中可以看出，散点紧密围绕参照线分布，深证综指对数收益率的图也同样，说明拟合得非常好，模型也是适宜的。 7 参数与VaR估计 最大似然估计方法在统计学中一直是重要的方法，但史密斯（1984）指出，只有当k <1/2时，GPD的MLE是一致的，渐近正态的和高效的。Jin ZHANG（2009）提出了一个新的估计方法，改进了MLE并且避免了计算问题。本文运用Jin ZHANG（2009）提出的方法进行了参数估计，估计的上证综指和深证综指的Sigma和k值分别为3.999672、0.4234715和5.017539、0.5750684。在99%的置信水平下沪市和深市的VaR分别为15.64447、18.53955 8 结语 本文从极值的视角对上证综指和深证综指的对数收益率利用pot模型计算了VaR。实证结果表明上证综指和深证综指均表现为尖峰厚尾，深市股票收益率VaR 高于沪市股票收益率的VaR 值，即深市股票收益率的潜在风险高于沪市股票的潜在风险。 【参考文献】 【1】张虎，汪娟.基于极值视角的沪深股市收益率的风险度量[J].统计与决策，2016（15）：163-165. 【2】唐勇，唐振鹏.基于POT模型的股票市场风险价值研究[J].东南学术，2012（04）：92-102. 【3】花拥军，张宗益.基于峰度法的POT模型对沪深股市极端风险的度量[J].系统工程理论与实践，2010，30（05）：786-796. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。