基于极值理论的VaR和ES度量——以中兴通讯数据为例

doi:10.16088/j.issn.1001-6600.2015.02.012

广西师范大学学报（自然科学版） ›› 2015, Vol. 33 ›› Issue (2): 76-81.doi: 10.16088/j.issn.1001-6600.2015.02.012

基于极值理论的VaR和ES度量——以中兴通讯数据为例

丁新月, 徐美萍

北京工商大学理学院,北京100048

收稿日期:2015-01-24 出版日期:2015-02-10 发布日期:2018-09-20
通讯作者: 徐美萍(1971—),女,山西太原人,北京工商大学副教授,博士。E-mail: xumeiping2006@163.com
基金资助:
国家自然科学基金资助项目(61304155);北京工商大学研究生部促进人才培养综合改革项目(19005428069)

Computing VaR and ES Based on the Extreme Value Theory:A Case Study of ZTE Data

DING Xin-yue, XU Mei-ping

School of Science,Beijing Technology and Business University, Beijing 100048, China

Received:2015-01-24 Online:2015-02-10 Published:2018-09-20

摘要/Abstract

摘要： 风险价值 (VaR)是市场风险的重要度量工具。以具有厚尾的中兴通讯股票收益率数据为例, 分别运用极值理论中的分块样本极大值模型 (BMM)和超阈值模型 (POT)对VaR进行计算, 并给出相应的预期损失 (ES), 同时提出了一种差异度量的方法对POT模型的阈值进行选取。结果表明, 使用极值理论度量风险可以更好地捕捉尾部数据信息, 得到更合理且符合实际需求的VaR 和ES估计值, 且POT模型比BMM模型所得计算结果更加稳定。

关键词: 极值理论, 风险价值, 预期损失, BMM模型, POT模型

Abstract: Value at Risk (VaR)is an important measurement tool for market risk. The Block Maxima Model (BMM)and the Peak Over Threshold (POT)model are employed to compute the VaR and Expected Shortfall (ES)for ZTE return data with heavy tails respectively. A discrepancy measure is proposed to select the threshold for the POT model. The data analysis shows that applying the extreme value theory in risk measurement can fully capture information from the tail of data and obtain reasonable VaR and ES to satisfy actual needs, and the results from the POT model are more stable than the ones from BMM.

Key words: extreme value theory, value at risk, expected shortfall, block maxima model, peak over threshold model

中图分类号:

F830.91

丁新月, 徐美萍. 基于极值理论的VaR和ES度量——以中兴通讯数据为例[J]. 广西师范大学学报（自然科学版）, 2015, 33(2): 76-81.

DING Xin-yue, XU Mei-ping. Computing VaR and ES Based on the Extreme Value Theory:A Case Study of ZTE Data[J]. Journal of Guangxi Normal University(Natural Science Edition), 2015, 33(2): 76-81.

参考文献

[1] 朱国庆, 张维, 张小薇, 等. 极值理论应用研究进展评析[J]. 系统工程学报, 2001, 16(1):72-77.
[2] LONGIN F M. From value at risk to stress testing:the extreme value approach[J]. Journal of Banking & Finance, 2000, 24(7):1097-1130.
[3] 马玉林, 陈伟忠, 施红俊. 极值理论在VaR中的应用及对沪深股市的实证分析[J]. 金融教学与研究, 2003(6):25-27.
[4] 何家伟, 孙英隽, 李守成. 极值理论对测度我国股票市场风险的应用[J]. 商业经济, 2010(11):33-35.
[5] 原俊青, 张振宇, 王理同, 等. 基于极值理论的VaR度量模型及实证研究[J]. 浙江工业大学学报, 2013, 41(5):578-582.
[6] 孙志宾, 顾岚. Copula理论在金融中的应用[J]. 广西师范大学学报:自然科学版, 2004, 22(2):47-51.
[7] 周开国, 缪柏其. 应用极值理论计算在险价值(VaR):对恒生指数的实证分析[J]. 预测, 2002, 21(3):37-41.
[8] 陈守东, 孔繁利, 胡铮洋. 基于极值分布理论的VaR与ES度量[J]. 数量经济技术经济研究, 2007, 24(3):118-124.
[9] JENKINSON A F.The frequency distribution of the annual maximum (or minimum)values of meteorological elements[J]. Quarterly Journal of the Royal Meteorological Society, 1955,81(348):158-171.
[10] GNEDENKO B V. Sur la distribution limite du terme maximum d’une serie aleatoire[J]. Annuals of Mathematics, 1943, 44(3):423-453.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

基于极值理论的VaR和ES度量——以中兴通讯数据为例

Computing VaR and ES Based on the Extreme Value Theory:A Case Study of ZTE Data

PDF (PC)

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 2

Metrics

本文评价

推荐阅读 0

[1]	张军舰,赖廷煜,杨晓伟. VaR和ES的贝叶斯经验似然估计[J]. 广西师范大学学报（自然科学版）, 2016, 34(4): 38-45.
[2]	鲁思瑶, 徐美萍. 基于混合Copula和ARMA-GARCH-t模型的股票指数风险度量研究[J]. 广西师范大学学报（自然科学版）, 2016, 34(1): 93-101.