《基于MATLAB的金融工程方法及应用 资料_ 第十三章 在险价值模型1》由会员分享，可在线阅读，更多相关《基于MATLAB的金融工程方法及应用 资料_ 第十三章 在险价值模型1（25页珍藏版）》请在金锄头文库上搜索。
1、第13章,在险价值(VaR)模型,Outline,VaR模型简介 基于Delta-Normal法的VaR估计 基于历史模拟法的的VaR估计,VaR模型简介,在险价值(Value at Risk)是指在市场正常 波动情况下，某一金融资产或投资组合在未来特定的一段时间内（一天、一周或10天）在一定的置信水平下可能发生的最大损失。 数学含义 其中 为投资组合在持有期内的损失，VaR为置信水平为 下处于风险中的价值，这里VaR为正值。,VaR的统计意义,VaR本质上是分位数，只要有未来收益率的分布，就可得到VaR,其决定因素包括 分布函数 置信水平,VaR的经济意义,给定置信水平(1-a)下的最大损失
2、 以对数百分比收益率估计的VaR的含义是持有100块钱的最大损失 只要乘以资产规模，就可以得到最终的绝对损失 企业如果想规避风险，保险系数越高(置信水平越高)，则其应该准备的风险金越多。,VaR估计方法,Delta normal Delta gamma 历史模拟法 蒙特卡洛模拟法,基于Delta-Normal的VaR估计,正态分布下的VaR估计,采用对数百分比收益率序列，假设其服从正态分布，正态分布的均值和方差分别为 标准正态分布的左 分位数 置信水平下的VaR（单期） 多期的VaR(T),存在厚尾现象的VaR估计Cornish-Fisher展开,计算收益率的偏度 和峰度 得到标准正态分布的
3、分位数 将正态分布的分位数得到加以调整，得到考虑偏度和峰度的分位数 计算VaR,投资组合VaR,投资组合的VaR估计依赖于投资组合中每个产品收益率的均值、方差，及每两个收益率之间的相关系数 如果把投资组合看作是一个产品，投资组合也可以看成一种特殊的VaR估计,两资产投资组合VaR的估计,假设两个资产的收益率分别为 ，投资权重为 ，组合收益为 为收益率的标准差， 为预期收益 两个资产的投资组合的方差： 投资组合收益率的均值为: 投资组合收益率的VaR,N个资产投资组合的VaR估计,投资组合预期收益 投资组合方差 投资组合收益率的VaR,作业,假设有一投资组合包含甲、乙股票，投资金额各为100万元
4、及50万元，甲、乙股票收益率的日均值为0.155%、0.07%，甲、乙股票收益率的日标准差分别为2%、1%，收益率相关系数为0.3，请问在持有期间为10天、置信水平95%的条件下，投资组合的VaR为何？ 编写一个函数，输入为资产总额，权重向量，标准差向量，持有区间，输出为VaR估计,基于历史模拟方法的VaR估计,历史模拟方法的优点,直观，简单，容易计算 不假设任何分布 可以允许存在偏度和厚尾现象 对任何资产都适用 不用估计协方差和相关系数,用历史模拟法估计单个股票的VaR,将价格数据转化为对数百分比收益率 将收益率数据按照升序排序 得到第 个观测值 这就是 置信水平下收益率的VaR 隐含的假设
5、 独立同分布 存在的问题：条件异方差,例1：用历史模拟法估计单个股票的VaR,某个投资者持有东方航空的股票，现在价值为10万元，现给出东方航空A股的过去101个交易日的收盘价，计算该投资者下一个交易日，置信度为95%的VaR值？,历史模拟方法的步骤,第一步，分析确定基础市场因子，收集市场因子适当时期的历史价格数据。 第二步，估计市场因子的未来收益率（或价格。 第三步，用资产定价公式，根据模拟出的风险因子未来的N种可能价格水平，求出证券组合的N种未来盯市价值，进而得到未来收益率的分布 第四步，确定投资组合的VaR值。,用历史模拟法估计股票投资组合的VaR,估计每个股票的对数百分比收益率序列 根据
6、权重，给出投资组合的收益率序列 给出投资组合收益率的历史分布 计算投资组合的VaR,用历史模拟法估计投资组合多期的VaR,某投资者持有东方航空和海螺水泥的股票，现在价值为10万元，东方航空权重为0.6，海螺水泥权重为0.4，现给出东方航空和海螺水泥过去101个交易日的收盘价，计算该投资组合下一个交易日，置信度为95%的VaR值？ 根据现有数据，估计该投资组合下五个交易日，置信度为95%的VaR值？,用历史模拟法估计期权的VaR,确定风险因子 -标的资产的价格序列 -标的资产的波动率序列 -利率序列 采用期权定价公式计算每个时点的价格 产生收益率序列 将收益率序列排序 得到期权的VaR,例：计算股指期权的VaR,某投资者刚刚购买某股票指数的1个月到期的看涨期权，求此期权未来一天内的95%置信水平下的VaR?执行价格为1700点，月利率为1%，分红为0,历史模拟方法的缺点,历史数据中极端事件和野值点应该去掉 它假定过去能很好地代表未来,不能很好地预测波动性的显著变化 数据量比较大，否则不精确 暗含了过去和近期对未来的影响是一致的 过于依赖历史数据,谢谢！,
