金融资产厚尾分布及常用的风险度量——α-stable分布下的MDD、DaR和CDaR

本文首先运用正态分布、带有位置-尺度参数的t分布、Logistic分布、极值分布、α-stable分布和核密度估计对上证综指收益率分布进行拟合,结果表明核密度估计优于其他分布。其次,在进行尾部风险拟合和度量风险方面,通过设定相关指标,在显著性水平为1%时,α-stable分布更适合衡量风险程度,在此基础上提出了调和α-stable分布,并得到一个同构表示解。最后,本文给出了蒙特卡洛α-stable分布模拟和经验值下的MDD、DaR和CDaR,并得到了模型值和经验值之间的乖离率。

一致性风险度量新工具CDaR及其应用

由于所依据的统计方法自身的局限性,风险度量主流方法VaR亦存在明显缺陷,而新近出现的CDaR风险度量模型能较好地解决VaR存在的诸多问题。本文主要介绍损失函数DD(x)和平均损失函数AD(x)的基本概念,讨论以它们为基础的DaR和CDaR风险度量模型及其应用,为金融风险管理提供新的方法和视角。

基于最大熵方法的DaR风险度量模型

提出了一种改进的DaR、CDaR风险度量模型.该估计直接从样本信息出发,不需要对损失函数的概率密度函数作任何假定,从而克服了现有风险度量方法的不足,并通过实例进行分析,表明这一模型和方法是有效的.