论文部分内容阅读
风险管理作为现代金融问题的核心之一,已越来越受到人们的关注;风险度量则是风险管理中必不可少的部分。风险价值法(VaR)和期望损失法(ES)是当前主流的风险度量方法。这两种度量方法均依赖与损失随机变量所服从的具体分布;在不同的分布假设下,所得到的估计往往差异较大。因此,选择一个能够充分拟合数据的分布对于VaR和ES估计的准确性具有现实意义。首先,本文通过尺度化广义误差分布,定义了一种新的对称的厚尾分布—尺度混合广义误差分布;我们着重研究了以gamma分布作为尺度化分布的混合分布,即gamma混合广义误差分布(GGED),并且得到了它的概率密度函数,k阶矩,偏度和峰度;我们给出了GGED分布参数的观测Fisher信息矩阵、矩估计和最大似然估计;同时,我们对参数是否给定进行了分类讨论,并作了大量的随机模拟,计算了参数的估计、标准差和均方误差;其结果表明,无论在何种情形下,GGED分布的参数估计都具有良好的稳健性。其次,将GGED分布应用于拟合苹果公司(AAPL)股价的对数收益率数据,并与正态分布、F-S有偏的标准化t分布和广义误差分布的拟合效果进行比较;结果表明,在AIC准则下GGED分布对数据具有良好的拟合效果。最后,我们回顾了几种经典的VaR估计和ES估计模型;将Cornish-Fisher展开法和GGED分布应用于VaR值的计算以及GGED分布拟合下的ES的计算;在此基础上,我们同样将模型应用于AAPL的收益率数据作实例分析,通过对结果的比较发现,基于GGED分布的模型同样能够得到一个合理的VaR估计和ES估计。本文基于对广义误差分布尺度混合的研究,在一定程度上,我们的研究结果丰富了概率分布理论,发展了尺度混合分布;我们将所提出的新分布应用于风险度量模型,为金融数据分析提供了帮助和参考。