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

第27卷第3期李进芳 王仁曾:Bootstrap方法在证券投资基金风险测量中的应用

#69 #

表4 各基金样本数据VaR的Kupiec失败频率检验结果

之外,其个数与进行Kupiec失败频率检验时失败的个数相当。

95%置信水平99%置信水平

期望实际LR统计量期望实际LR统计量

R1

GARCH

R2R3R4R1

G2Bstrap

R244.1544.1544.1544.1544.1544.153532363534342.14233.87631.68562.14232.65852.6585

8.838.838.838.838.838.83

5668471.98961.03241.03240.08133.35180.4124四、结论

本文提出的基于Bootstrap方法的风险测量模

型是在计算精度方面的改进,将这种比较新的统计

方法应用到了证券投资基金领域中,克服了历史模拟方法当历史数据量不够时估计VaR不准确的缺陷。把Bootstrap方法应用在以GARCH为基础的模R344.15460.8.8370.4124R4

44.15

39

0.8.83

4

3.3518

表5 基金金泰、基金开元、华安创新和50ET的VaR值(最高20组)

日期

基金

华安金泰

日期

基金开元

日期

创新

日期50ETF

200706270122862007061901200706060120080205012163200706280121462007062001200706110120080213012084200707020121282007062101200706070120080214012010200707030120882007062201200706080120080215011978200707040120272007062501200706120120080220011911200706290120182007062701200706130120080218011908200706220119832007061801200706140120080219011899200706250119112007062601200706150120080221011853200707050118962007062801200708210120080222011790200707090118682007071001200706180120080505011767200707100118662007062901200708240120080225011762200706260118382007061101200706200120080129011762200706190118302007071201200708070120080425011741200707060118002007070901200707110120080506011732200706210117992008020501200708220120080130011720200707110117512007060501200708080120080226011717200706200117492007060101200707100120080228011704200706180117292007030101200706050120080428011690200707120117032007070201200708230120080227011684200707130116662007052401200708060120080124011679

由表5可以看出,2005年7月到2009年2月期间基金金泰、基金开元、华安创新、最高20个VaR值几乎全部集中于2007年的6、7两月,尤其基金金泰、基金开元最为明显,50ETF的最高20个VaR值

几乎全部集中于2008年2月。这就是说,3年多时间中基金金泰、基金开元和华安创新风险在2007年的6、7两月最大,50ETF风险在2008年2月最大。由样本数据走势图也能发现基金金泰、基金开元和华安创新在这两个月中上下波动较大且频繁。

如果不考虑收盘价的影响,可以直接计算出样本数据收益率的VaR值,计算公式为VaRrt=ARt。

仔细观察以上4图可以发现,绝大部分收益率值都在相应的VaR值之上,只有少数在VaR的限制

型上,既考虑了金融数据的自相关性和时变方差特性,又很好地模拟了残差的分布路径信息,是对Bootstrap方法的延伸和扩展。这种灵活的参数2非参数混合风险测量模型会在很大程度上提高风险测

量的精度。由该方法还可以得到VaR的区间估计,

可以给出一定置信水平下的置信区间。Bootstrap方法在其他方面,如估计波动率、收益率均值等也可以得到应用。

参考文献

[1]EfronBradley.Bootstrapmethods:Anotherlookatthejackknife

[J].TheAnnalsStatistics,1979,7(1):1-26.

[2]EfronBradley,TibshiraniRobert.Anintroductiontothebootstrap

[M].NewYork:Chapman&HallLtd,1993.

[3]DavisonAC,HinkleyDV.Bootstrapmethodsandtheirapplication

[M].Cambridge:CambridgeUniversityPress,1997.

[4]LahiriSN.Resamplingmethodsfordependentdata[M].New

York:Springer2VerlagInc.,2003.[5]ReevesJJ.

Bootstrappredictionintervalsforarchmodels[J].

InternationalJournalofForecasting,2005,21(2):237-248.[6]PaseualaL,RomobJ,RuizE.Bootstrappredictionforreturnsand

volatilitiesingarchmodels[J].ComputationalStatistics&DataA2nalysis,2006,50(9):2293-2312.

[7]谢益辉,朱钰.Bootstrap方法的历史发展和前沿研究[J].统计

与信息论坛,2008(2):90-95.

[8]杜本峰.基于Bootstrap方法的风险度量模型及其实证分析

[J].统计研究,2004(1):49-54.

作者简介

李进芳,男,29岁,河北省石家庄人,2008年毕业于兰州商学院统计学院,获经济学硕士学位,现为兰州商学院助教,研究方向为金融计量分析。

王仁曾,男,45岁,甘肃舟曲人,2001年毕业于中国人民大学经济学院,获经济学博士学位,2007年毕业于英国萨里大学获博士学位,现为华南理工大学经济与贸易学院教授,兰州商学院统计学院名誉院长,研究方向为金融计量分析。

(责任编辑:周晶)

上一页第4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