可轉(zhuǎn)換債券的風(fēng)險價值與極值理論方法研究.pdf

1、近年來,隨著金融創(chuàng)新和資本市場的不斷發(fā)展完善,可轉(zhuǎn)換債券已成為我國重要的金融衍生工具。風(fēng)險價值VaR(Value at Risk)作為國際上流行的一種市場風(fēng)險量化指標(biāo),在金融風(fēng)險的管理中得到了有效的應(yīng)用。本文將VaR的方法引入我國可轉(zhuǎn)換債券的風(fēng)險價值測度體系。盡管VaR提出以后,有不少的計算方法出現(xiàn),但它們都有各自的缺陷。傳統(tǒng)方法都致力于研究序列的整體分布情況,由于樣本數(shù)據(jù)大部分集中在分布中部,因此不論采用何種統(tǒng)計工具,都不可避免的對極

2、端現(xiàn)象發(fā)生所造成的損失產(chǎn)生有偏估計。而VaR計算所最關(guān)心的是分布在尾部的點,即一些極少發(fā)生又具有顯著影響的觀測值,稱為極值,極值理論正是對這些極值提供統(tǒng)計分析的模型。
　　 本文所用實證數(shù)據(jù)為中信標(biāo)普可轉(zhuǎn)債指數(shù)。首先,基于極值統(tǒng)計方法研究了可轉(zhuǎn)債指數(shù)收益時序的尾部特征,得出收益時序是尖峰、左偏的,并給出了收益率時序上下尾指數(shù)的估計與檢驗。其次,通過研究歷史收益率時序圖,進行自相關(guān)檢驗,發(fā)現(xiàn)收益時序具有波動率聚集現(xiàn)象、一階序列相關(guān)

3、等特征,直接使用GPD方法可能使Poisson過程的獨立增量性不成立,為此我們給出GPD風(fēng)險估計中考慮時序波動聚集現(xiàn)象的去聚集化方法,得到了更為精確的結(jié)果。最后,在研究收益率均值方程的殘差序列圖,進行ADF檢驗和ARCH效應(yīng)檢驗的基礎(chǔ)上;本文還分別采用了基于偏t分布的Risk Metrics、EGARCH、GJR及Monte Carlo模擬方法來估計預(yù)測多頭、空頭VaR值,改進了以往只考慮多頭的弊端;并對其有效性進行了失敗率檢驗和動態(tài)分

4、位數(shù)測試,以期與極值方法作對比,試圖找到最適合我國可轉(zhuǎn)債市場風(fēng)險的計算方法。
　　 結(jié)果表明,極值GPD的VaR方法最好,預(yù)測效果在各個分位數(shù)點上都比較理想,很穩(wěn)定;其他方法,如在參數(shù)模型中,EGARCH表現(xiàn)最好,比GJR和Risk Metrics要好,但穩(wěn)定性要比GPD方法差,而Monte Carlo模擬方法只在個別分位數(shù)點上預(yù)測效果較好。這說明極值GPD的VaR方法在我國可轉(zhuǎn)債市場風(fēng)險中具有較好的適用性和有效性,為度量我國可