论文部分内容阅读
市场风险的度量是非常复杂的.模型VaR的出现,使得量化金融资产组合在一定的持有期内的最大可能损失成为可能.但VaR在应用中存在不足,为了克服这些不足,后继出现了CVaR(Conditional Value at risk)和ES(Expected Shortfall),以及最近出现的MS (Median Shortfall). VaR,MS和ES比以往度量方法有更多的优点,解决了更多问题,在实际中有广泛运用.另一方面,贝叶斯经验似然有效结合了先验信息和样本信息,同时继承经验似然的优良性,它是一种非参数方法,又能利用先验信息.在样本较少情况下,充分利用历史信息能有效提高估计精度.本文采用贝叶斯经验似然方法去估计VaR,MS和ES.先结合先验信息和经验似然得出VaR,MS和ES的后验分布,由此得到、VaR,MS和ES的估计.然后证明了经验似然部分最大估计的相合性,以及后验分布在一定的条件下的渐近正态性.模拟结果显示,在一定的置信水平下,在先验信息比较准确的情况下,贝叶斯经验似然方法与经验似然方法的覆盖率差不多,但置信区间平均长度要短.样本较小时,贝叶斯经验似然方法的覆盖率比经验似然方法的覆盖率高,置信区间平均长度也比经验似然的置信区间平均长度短.在先验信息提取错误时,贝叶斯经验似然方法的覆盖率较差.本论文特色如下：1.在经验似然部分,我们采用Eerson and Owen(2009)的方法,通过加入两个虚拟样本点解决凸包外无解问题,同时能保证样本均值不变.2.在一定条件下,VaR,MS和ES的后验分布具有渐近正态性.3.贝叶斯经验似然方法有效结合先验信息和样本信息,能充分利用已知信息提高估计精度,特别是在样本信息较少时,更能凸显作用.同时,它是一种非参数方法.贝叶斯经验似然方法丰富了VaR,MS和ES的估计理论,为实际工作者提供更多选择工具.