估計(jì)VaR有兩類主要的方法,非參數(shù)(Nonparametric)方法和參數(shù)(parametric)方法。非參數(shù)方法基于歷史收益率數(shù)據(jù)或者模擬收益率數(shù)據(jù)的分布,來獲得對VaR的估計(jì)。參數(shù)方法則通過對于收益率隨機(jī)變量的分布類型和參數(shù)做出估計(jì),通過分布函數(shù)(概率密度函數(shù))來對VaR做出估計(jì)。
非參數(shù)方法由于樣本數(shù)據(jù)的隨機(jī)性以及尾部數(shù)據(jù)的稀少性,從而對于極端損失的估計(jì)不夠精確。參數(shù)方法中的分布函數(shù)是對于全部收益率數(shù)據(jù)的一種數(shù)學(xué)概括,往往這種概括并不能很好地描述尾部的情況。作為對上述兩類方法的結(jié)合,極值理論(Extreme Value Theory)以尾部(虧損)區(qū)域的收益率數(shù)據(jù)為基礎(chǔ),先估計(jì)出尾部數(shù)據(jù)的分布函數(shù)(概率密度函數(shù)),再利用分布函數(shù)對VaR做出估計(jì)。由于分布函數(shù)是基于尾部數(shù)據(jù)得到的,所以對于VaR的預(yù)測也更加地準(zhǔn)確。
例如,收集從1960年到1987年10月16日期間的S&P 500指數(shù)的日收益率數(shù)據(jù),然后找出每一年的*5的日虧損率數(shù)據(jù),一共有28個(gè)數(shù)據(jù)點(diǎn)(極端虧損數(shù)據(jù)),其中*5的單日跌幅為6.7%。以Frechet分布來擬合28個(gè)虧損數(shù)據(jù)點(diǎn),得到具體的分布函數(shù)。然后根據(jù)所得到的分布函數(shù),可以求出置信水平為98%的VaR為24%,也就是說預(yù)計(jì)每50年里有1年會(huì)出現(xiàn)單日跌幅超過24%的情況,根據(jù)分布函數(shù)所預(yù)測的極端損失(24%)遠(yuǎn)遠(yuǎn)高于經(jīng)驗(yàn)數(shù)據(jù)所反映的極端損失(6.7%)。在休市兩天以后,1987年10月19日,美國股市崩潰,S&P 500指數(shù)單日跌幅超過20%。從中可以看到,極值理論對于尾部損失預(yù)測的可靠性較高。
極端虧損數(shù)據(jù)的采集方式有兩種,一種稱為Peaks over Threshold (POT)方法,另一種稱為Block Maxima (BM)方法。POT方法選定一個(gè)門檻虧損率,然后將收益率經(jīng)驗(yàn)數(shù)據(jù)中所有虧損幅度超過門檻收益率的數(shù)據(jù)保留下來,作為擬合尾部分布的數(shù)據(jù)基礎(chǔ)。
掃一掃微信,*9時(shí)間獲取2014年FRM考試報(bào)名時(shí)間和考試時(shí)間提醒