平稳序列的GPD模型在风险测度中的应用 |
| |
作者姓名: | 李强 周孝华 张保帅 |
| |
作者单位: | 重庆大学 经济与工商管理学院,重庆,400030 |
| |
基金项目: | 国家自然科学基金资助项目,中央高校基本科研业务费资助项目 |
| |
摘 要: | 文章旨在运用极值理论提高VaR的适用性和估计的精确度.VaR技术作为一种统计方法常用来测度金融市场风险,极值理论则是研究随机变量或过程的极端情形的统计规律性.然而,经典的极值模型要求金融时序服从独立同分布条件.考虑满足平稳性条件下的金融时序,针对序列相关引致的极值成串现象,引入极值指标来刻画极值数据间的相关结构,采用除串技术过滤数据的相关性,进而得到渐进独立的同分布序列,再构建GPD模型来测度VaR.实证分析和回测检验表明:改进的GPD阈值模型具有对风险测度的有效性和精确性.
|
关 键 词: | 广义帕累托分布 除串 平稳序列 极值指标 风险价值 |
本文献已被 万方数据 等数据库收录! |
|