《风险价值计算题附答案》由会员分享，可在线阅读，更多相关《风险价值计算题附答案（6页珍藏版）》请在金锄头文库上搜索。
1、-考虑一个两股票的组合，投资金额分别为60万和40万。问一、下一个交易日，该组合在99%置信水平下的VaR是多少？二、该组合的边际VaR、成分VaR是多少？三、如追加50万元的投资，该投资组合中的那只股票？组合的风险如何变化？要求：100万元投资股票深开展000001，求99%置信水平下1天的VaR=？解：一、 历史模拟法样本数据选择2004年至2005年每个交易日收盘价共468个数据，利用E*CEL：获取股票每日交易数据，首先计算其每日简单收益率，公式为：简单收益率=Pt-Pt-1/Pt-1，生成新序列，然后将序列中的数据按升序排列，找到对应的第4681%=4.68个数据慎重起见，我们用第4
2、个，即-5.45%。于是可得, VaR=1005.45%=5.45万。如图：二、 蒙特卡罗模拟法1利用EVIEWS软件中的单位根检验ADF检验来判断股票价格序列的平稳性，结果如下：Null Hypothesis: SFZ has a unit rootE*ogenous: ConstantLag Length: 0 (Automatic based on SIC, MA*LAG=0)t-StatisticProb.*Augmented Dickey-Fuller test statistic-1.0382260.7407Test critical values:1% level-3.44412
3、85% level-2.86750910% level-2.570012*MacKinnon (1996) one-sided p-values.由于DF=-1.038226，大于显著性水平是10%的临界值-2.570012，因此可知该序列是非平稳的。2利用EVIEWS软件中的相关性检验来判断序列的自相关性。选择价格序列的一阶差分P=Pt-Pt-1和30天滞后期。结果如下：Date: 10/20/09 Time: 17:03Sample: 1/02/2004 12/30/2005Included observations: 467AutocorrelationPartial Correlati
4、onACPACQ-StatProb.|. |.|. |1-0.012-0.0120.06600.797.|. |.|. |2-0.020-0.0200.24620.884.|. |.|. |30.0060.0060.26370.967.|. |.|. |40.0440.0441.17280.883*|. |*|. |5-0.083-0.0824.44530.487*|. |*|. |6-0.070-0.0716.78800.341.|. |.|. |7-0.004-0.0096.79480.451.|* |.|* |80.0780.0759.67260.289.|. |.|. |90.0040
5、.0149.67870.377.|. |.|. |10-0.023-0.0229.93030.447可知股票价格的一阶差分序列P滞后4期以内都不具有相关性，即其分布具有独立性3通过上述检验，我们可以得出结论，深开展股票价格服从随机游走，即： Pt=Pt-1+t。下面，我们利用E*CEL软件做蒙特卡罗模拟，模拟次数为10000次：首先产生10000个随机整数，考虑到股市涨跌停板限制，以样本期最后一天的股价(6.14)为起点，即股价在下一天的波动范围为(-0.614,0.614)。故随机数的函数式为：RANDBETWEEN(-614,614)用生成的随机数各除以1000，就是我们需要的股价随机变动
6、数t。然后计算模拟价格序列：模拟价格=P0+随机数1000再将模拟后的价格按升序重新排列，找出对应99%的分位数，即100001%=100个交易日对应的数值：5.539，于是有VaR=1005.539-6.14)6.14=9.79万三、 参数法样本同历史模拟法（一） 静态法：假设方差和均值都是恒定的简单收益率的分布图：R=Pt-Pt-1/Pt-1对数收益率的分布图：R=LNPtLNPt-1通过对简单收益率和对数收益率的统计分析可知，与正态分布相比，二者均呈现出尖峰厚尾的特征。相对而言，对数收益率更接近于正态分布。因此，采用对数收益率的统计结果，标准差为0.02197。根据VaR的计算公式可得：
7、VaR=2.330.02197100=5.119万（二） 动态法：假设方差和均值随时间而变化可以有多种不同的方法，下面简单举例：1、 简单移动平均法：取30天样本，公式为：2=R230，通过E*CEL处理后结果为：2=0.000211028，则有=0.0145VaR=2.330.0145100=3.379万2、 指数移动平均法：借鉴RISKMETRICS技术，令衰减因子=0.94，在EVIEWS中做二次指数平滑，结果如下列图：Date: 10/20/09 Time: 21:50Sample: 1/05/2004 10/18/2005Included observations: 467Metho
8、d: Double E*ponentialOriginal Series: SFZ4Forecast Series: SFZ4SMParameters:Alpha0.9400Sum of Squared Residuals0.002756Root Mean Squared Error0.002429End of Period Levels:Mean0.000165Trend9.24E-05方差的预测值2=0.000165，则有=0.0128VaR=2.330.0128100=2.982万3、 GARCH通过观察发现，该股票收益率的波动具有明显的集聚现象，因而考虑其异方差性。对残差进展ARCH检
9、验，结果说明存在着明显的ARCH效应ARCH Test:F-statistic11.76612Probability0.000657Obs*R-squared11.52408Probability0.000687Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 10/20/09 Time: 23:19Sample (adjusted): 1/07/2004 10/18/2005Included observations: 465 after adjustmentsVariableCoefficientStd.
10、Errort-StatisticProb.C0.0004025.75E-056.9835550.0000RESID2(-1)0.1571270.0458073.4301770.0007R-squared0.024783Mean dependent var0.000478Adjusted R-squared0.022677S.D. dependent var0.001159S.E. of regression0.001146Akaike info criterion-10.70047Sum squared resid0.000608Schwarz criterion-10.68266Log li
11、kelihood2489.860F-statistic11.76612Durbin-Watson stat2.022064Prob(F-statistic)0.000657利用EVIEWS建立GARCH1，1模型如下：Rt=-0.051501 Rt-1 +tt2=0.0000231+0.084672t-1+0.866212t-12Dependent Variable: SFZ2Method: ML - ARCH (Marquardt) - Normal distributionDate: 10/20/09 Time: 23:13Sample (adjusted): 1/06/2004 10/1
12、8/2005Included observations: 466 after adjustmentsConvergence achieved after 14 iterationsVariance backcast: ONGARCH = C(2) + C(3)*RESID(-1)2 + C(4)*GARCH(-1)CoefficientStd. Errorz-StatisticProb.SFZ2(-1)-0.0515010.049748-1.0352490.3006Variance EquationC2.31E-056.45E-063.5737520.0004RESID(-1)20.0846720.0162455.212156
