基于ARCH-Expectile方法的VaR和ES尾部风险测量
甄别和确定风险因素的贡献是资产或资产组合风险管理的重要研究内容.近十年,下端风险越来越受到关注,在险价值(Value at Risk,VaR)和预期不足(Expected Shortfall,ES)是资产组合风险管理中两个常用的风险度量工具.Kuan等[1]在一类条件自回归模型(CARE)下提出了基于expectile的VaR度量-EVaR.本文扩展了Kuan等[2]的CARE模型到带有异方差的数据,引入ARCH效应提出了一个线性ARCH-Expectile模型,旨在确定资产或资产组合的风险来源以及评估各风险因素的贡献大小,并应用expectile间接评估VaR和ES风险大小.同时给出了参数的两步估计算法,并建立了参数估计的大样本理论.最后,将本文所提出的方法应用于民生银行股票损益的风险分析,从公司基本面、市场流动性和宏观层面三个方面选取影响股票损益的风险因素,分析结果表明,各风险因素随股票极端损失大小的水平不同,其风险因素的来源及其大小和方向也是随之变化的.
Expectile、下端风险度量、线性异方差、非对称最小二乘
22
F830(金融、银行)
国家自然科学基金重点资助项目71331006;国家自然科学基金资助项目71203025,71271128;教育部创新团队计划和上海财经大学创新团队支持计划资助
2014-10-29(万方平台首次上网日期,不代表论文的发表时间)
1-9