文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 经管营销 > 金融/投资 > Bootstrap方法在证券投资基金风险测量中的应用
侵权投诉

Bootstrap方法在证券投资基金风险测量中的应用

# 68#

(二)数据的属性检验和分析

统计研究2010年3月

式即可计算出相应的VaR日序列。由于此处计算的是每一天的VaR值,因此时间$t=1。

根据前面介绍的混合风险测量模型,利用R语言进行统计程序编写可得到G2Bstrap模型下的VaR值。为了得到有效的VaR测量方法,需要对计算结果进行准确性检验。根据Kupiec检验原理,各基金样本数据的VaR检验结果如表4所示。

表中,期望是指期望失败天数,它的值等于T@(1-c),在95%置信度下约为21天,在99%置信度下约为4天。实际是指考察期内实际失败天数的和。LR统计量的值是根据似然比检验公式计算得到的。

LR=2ln[(1-N/T)

-2ln[(1-A)

T-N

T-NN

日收益率的计算采用样本数据的自然对数之差,计算公式为:

Rt=ln(

Pt+Dt

)Pt-1

其中,Rt代表第t日的收益率,Pt和Pt-1分别为基金在t和t-1期的单位净值,Dt为基金在t期的分红。基金单位净值指每份基金单位实际代表的基金资产净值。

基金金泰、基金开元、华安创新和50ETF收益率分别用R1、R2、R3、R4表示。对收益率序列R作正态性、平稳性、ARCH效应等检验,检验结果见表2。根据表2中的检验结果,J2B统计量拒绝了正态分布的原假设,收益率序列不服从正态分布,同时四只基金的峰度值大于3,表明这些收益率的分布呈现尖峰、厚尾的特征;序列的ADF统计值均小于1%临界水平下的临界值,因此是平稳序列;由LM统计量及相伴概率可知,各收益率序列均存在明显的ARCH效应。

(三)VaR的计算及检验

在现实应用中,GARCH(1,1)模型能够很好地拟合各基金的样本数据。AIC为相应GARCH模型的赤池信息准则。密度参数v可在拟合GARCH模型时得到,这样可得到它们在不同样本下的密度函数,再利用Eviews510软件编辑程序就可得到不同置信度下的分位数。

VaR的计算使用的公式为VaRt=Pt-1ARt,Pt-1

为前一日的收盘价。由拟合出的GARCH模型的结果,可得到条件方差序列,连同相应的分位数代入公

表2

均值

R1R2R3R4

0100174010019701001220100099

标准差0102361010246101014590102246

偏度-0102788 0132771-0140764-0105159

(N/T)]

N

A]

因为统计量LR越小,预测效果越好,因此可以

看出,基于G2Bootstrap的参数2非参数混合风险测量模型要好于单纯的参数风险测量模型)))GARCH模型,尤其在置信水平较低时混合风险测量模型的优势更为突出。为了得到一个最有效的VaR计算方法,还必须附加以下两个准则:

(1)实际失败率p与预期失败率1-c越接近,VaR计算效果越好;

(2)拟合出的ARCH类模型要充分表达样本数据特征。

基于上述情况可知,本文样本数据中测量四只基金VaR效果最优的均为G2Bstrap方法。根据G2Bstrap方法计算出的基金金泰、基金开元、华安创新和50ETF在95%置信水平下最高20组的VaR数据见表5。

数据基本特性检验结果表

峰度517877514263417856517459

ADF值/P值-281504(0100)-271185(0100)-271910(0100)-301249(0100)

J2B统计量/P值286104(0100)232139(0100)141176(0100)277181(0100)

LM统计量(3阶)/P值

161800(0100)221694(0100)121080(0100)111929(0100)

表3

R1R2R3R4

c010014010009010014010015

X8160E2069167E2062176E2061148E206

A

各收益率序列的拟合结果

B018977018660018837019438

v111746111944115758113411

95%

分位数116448116460116524116513

99%分位数216582216470214671215702

AIC-419209-418643-518180-510598

010922011292011095010566

上一页第3页

你可能喜欢

  • 思考的方法
  • 方法研究
  • 统计软件
  • 分析方法
  • bootstrap
  • 置信区间估计
  • 回归分析模型
  • 样本量估计

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email