VaR,MS和ES的貝葉斯經(jīng)驗似然估計.pdf

1、市場風(fēng)險的度量是非常復(fù)雜的.模型VaR的出現(xiàn)，使得量化金融資產(chǎn)組合在一定的持有期內(nèi)的最大可能損失成為可能.但VaR在應(yīng)用中存在不足，為了克服這些不足，后繼出現(xiàn)了CVaR(Conditional Value at risk)和ES(Expected Shortfall)，以及最近出現(xiàn)的MS(MedianShortfall).VaR，MS和ES比以往度量方法有更多的優(yōu)點，解決了更多問題，在實際中有廣泛運用.另一方面，貝葉斯經(jīng)驗似然有效結(jié)合了

2、先驗信息和樣本信息，同時繼承經(jīng)驗似然的優(yōu)良性，它是一種非參數(shù)方法，又能利用先驗信息.在樣本較少情況下，充分利用歷史信息能有效提高估計精度.
　　本文采用貝葉斯經(jīng)驗似然方法去估計VaR，MS和ES.先結(jié)合先驗信息和經(jīng)驗似然得出VaR，MS和ES的后驗分布，由此得到VaR，MS和ES的估計.然后證明了經(jīng)驗似然部分最大估計的相合性，以及后驗分布在一定的條件下的漸近正態(tài)性.模擬結(jié)果顯示，在一定的置信水平下，在先驗信息比較準(zhǔn)確的情況下，貝葉

3、斯經(jīng)驗似然方法與經(jīng)驗似然方法的覆蓋率差不多，但置信區(qū)間平均長度要短.樣本較小時，貝葉斯經(jīng)驗似然方法的覆蓋率比經(jīng)驗似然方法的覆蓋率高，置信區(qū)間平均長度也比經(jīng)驗似然的置信區(qū)間平均長度短.在先驗信息提取錯誤時，貝葉斯經(jīng)驗似然方法的覆蓋率較差.
　　本論文特色如下:
　　1.在經(jīng)驗似然部分，我們采用Eerson and Owen(2009)的方法，通過加入兩個虛擬樣本點解決凸包外無解問題，同時能保證樣本均值不變.
　　2.在一