VaR,MS和ES的貝葉斯經驗似然估計.pdf_第1頁
已閱讀1頁，還剩35頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、市場風險的度量是非常復雜的.模型VaR的出現，使得量化金融資產組合在一定的持有期內的最大可能損失成為可能.但VaR在應用中存在不足，為了克服這些不足，后繼出現了CVaR(Conditional Value at risk)和ES(Expected Shortfall)，以及最近出現的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，貝葉斯經驗似然有效結合了

2、先驗信息和樣本信息，同時繼承經驗似然的優(yōu)良性，它是一種非參數方法，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.
　　本文采用貝葉斯經驗似然方法去估計VaR，MS和ES.先結合先驗信息和經驗似然得出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.模擬結果顯示，在一定的置信水平下，在先驗信息比較準確的情況下，貝葉

3、斯經驗似然方法與經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，貝葉斯經驗似然方法的覆蓋率比經驗似然方法的覆蓋率高，置信區(qū)間平均長度也比經驗似然的置信區(qū)間平均長度短.在先驗信息提取錯誤時，貝葉斯經驗似然方法的覆蓋率較差.
　　本論文特色如下:
　　1.在經驗似然部分，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

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，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論