版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、在金融領(lǐng)域里,雖然VaR是一個(gè)被廣泛應(yīng)用的風(fēng)險(xiǎn)度量,而且巴塞爾協(xié)議規(guī)定金融機(jī)構(gòu)利用VaR來刻畫金融風(fēng)險(xiǎn)和做相應(yīng)的風(fēng)險(xiǎn)管理,但是在實(shí)際應(yīng)用中,VaR卻存在著一些不足之處.為了彌補(bǔ)VaR的不足,有學(xué)者提出條件風(fēng)險(xiǎn)值CVaR(Conditional Value-at-Risk),而且Pflug(2000)指出可以將CVaR看成某一最優(yōu)化問題的解,即損失變量X的置信水平為(1-α)%的CVaR可定義為:CVaRα(X)=infx∈R{x +1/
2、αE[X-x]+},其中[a]+:=max{0,a}.記X1,X2,…,Xn為總體X的一組樣本, A.Alexandre Trindade(2007)等人給出了該優(yōu)化形式下CVaR的估計(jì)并在獨(dú)立同分布條件下討論了該估計(jì)的相合性和漸近正態(tài)性,但其并沒有給出這兩個(gè)性質(zhì)中任何一個(gè)的收斂速度.至于在混合樣本下,該估計(jì)的漸進(jìn)性還未見有學(xué)者進(jìn)行研究.一般地,金融、經(jīng)濟(jì)時(shí)間序列的樣本并非獨(dú)立,樣本相依性則是它們固有的特性.特別地,ρ混合是金融數(shù)據(jù)中比
3、較常見的混合形式.因此,研究在ρ混合樣本條件下該估計(jì)的漸近性質(zhì)有著重要的理論價(jià)值和應(yīng)用價(jià)值.本文在ρ混合序列下研究了上述CVaR估計(jì)的漸進(jìn)性質(zhì),研究的主要內(nèi)容和結(jié)果如下:首先,本文討論了在樣本為ρ混合序列的情形下CVaR估計(jì)的強(qiáng)相合性,并證得當(dāng)ρ混合序列滿足一定假設(shè)條件時(shí),強(qiáng)相合的收斂速度為n-κ,其中:
(i)當(dāng)樣本矩r≥2時(shí),可以取任意的0≤κ<1/2;
(ii)當(dāng)1≤r<2時(shí),可以取κ=1-1/r.
4、其次,本文討論了在樣本為ρ混合序列的情形下CVaR估計(jì)的一致漸近正態(tài)性,并且給出一致漸近正態(tài)的收斂速度,其收斂速度約為n-1/6.最后,本文對(duì)一些ρ混合序列的CVaR進(jìn)行隨機(jī)模擬,并比較了優(yōu)化估計(jì)方法與次序統(tǒng)計(jì)量方法所得估計(jì)的優(yōu)劣,通過數(shù)值模擬得知,利用該方法求CVaR可以有效地處理ρ混合數(shù)據(jù),而且相對(duì)于次序統(tǒng)計(jì)量方法而言其誤差更小、精度更高,特別是當(dāng)樣本容量較少時(shí),優(yōu)化方法的優(yōu)越性更加顯著.隨后對(duì)我國股市的上證綜指和深證成指的CVaR
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 隨機(jī)序列的精確漸近性質(zhì).pdf
- 基于相依樣本序列熵函數(shù)估計(jì)漸近性質(zhì)的研究.pdf
- 基于函數(shù)時(shí)間序列數(shù)據(jù)回歸函數(shù)改良核估計(jì)的漸近性質(zhì).pdf
- 矩估計(jì)量的漸近性質(zhì).pdf
- 強(qiáng)混合樣本下邊緣頻率插值密度估計(jì)的漸近性質(zhì).pdf
- 短尾對(duì)稱分布序列極值的漸近性質(zhì).pdf
- ND和α混合序列下密度函數(shù)估計(jì)的相合性.pdf
- 相依誤差下S-估計(jì)的漸近性質(zhì).pdf
- ARFIMA模型參數(shù)貝葉斯估計(jì)的漸近性質(zhì).pdf
- 基于ρ混合誤差下非參數(shù)回歸模型局部多項(xiàng)式估計(jì)的漸近性質(zhì).pdf
- 無限方差的GARCH模型的WLAD估計(jì)及漸近性質(zhì).pdf
- 基于NQD樣本密度函數(shù)估計(jì)的漸近性質(zhì)研究.pdf
- 位置不變的矩型估計(jì)量的漸近性質(zhì).pdf
- α混合序列下的核密度估計(jì)量的強(qiáng)相合性.pdf
- 相依樣本小波密度估計(jì)的漸近性質(zhì).pdf
- 廣義線性模型中LS-SCAD估計(jì)的漸近性質(zhì).pdf
- 回歸函數(shù)最大值點(diǎn)估計(jì)的漸近性質(zhì)的研究.pdf
- 協(xié)變量維數(shù)趨于無窮的復(fù)合次序模型廣義估計(jì)方程估計(jì)的漸近性質(zhì).pdf
- 混合序列的若干極限性質(zhì).pdf
- 負(fù)相關(guān)時(shí)間序列誤差下回歸模型的漸近性質(zhì).pdf
評(píng)論
0/150
提交評(píng)論