基于尾部指数回归的动态系统性尾部风险度量

发布时间：2021-12-16 21:49

　　基于回归模型,考虑市场波动率指数（volatility index, VIX）对尾部指数的影响,研究了尾部指数与系统性尾部风险系数之间的关系,并构造了时变动态系统性尾部风险系数模型.基于该模型,研究了八个国家的代表股指的CVaR和时变动态系统性尾部风险系数.结果发现,在金融危机期间,全球市场的尾部风险显著增加;中国、日本、俄罗斯、印度,法国和英国的代表股指的系统性尾部风险小于全球市场的,而美国和德国的较高. 

【文章来源】：中国科学技术大学学报. 2020,50(02)北大核心CSCD

【文章页数】：9 页

【部分图文】：

无风险利率随时间变化曲线图

得到尾部指数回归的参数估计后，可以将参数估计值与变量VIX值带入回归模型对αt进行预测，得到尾部指数随时间的变化趋势图，具体如图2所示.从图2可以看出，MSCI超额收益率尾部指数α在2008年金融危机期间明显减小且达到接近于0的水平，之后逐渐恢复至正常波动水平.这与尾部指数的定义一致：尾部指数越小，P(Y<-y)趋近于0的速度越慢，产生极端值的概率越大，越有可能产生极端的尾部损失或者收益.

τ(p)表示在观测到市场尾部收益的情况下，出现国家指数极端收益的条件概率.因此，τ(p)的取值范围为 [0,1], τ(p) ︿ =0 的情况视为尾部独立， τ(p) ︿ =1 则对应完全尾部依赖.τ(p)度量的这些特征表明，除了τ(p)重点关注的是尾部的依赖性外，它在本文方法中的作用类似于相关系数.对研究的八种国家代表股指分别度量τ,结果如表4所示.表4 各股指尾部依赖变量τ(p)Tab.4 Tail dependent variable for each stock index SZZS SPX CAC40 DAX FTSE100 N225 RTS SENSEX τ(p) 0.1733 0.7416 0.7660 0.6231 0.6444 0.3647 0.5380 0.3040

【参考文献】：
期刊论文
[1]我国银行体系的系统性关联度分析:基于不对称CoVaR[J]. 陈国进,钟灵,张宇.  系统工程理论与实践. 2017(01)
[2]股指期货保证金水平设置比较研究——基于Hill及VaR-x估计法[J]. 庞素琳,吴曼琪.  管理科学学报. 2014(06)
[3]基于尾部指数回归方法的CVaR估计以及实证研究[J]. 叶五一,张明,缪柏其.  统计研究. 2012(11)
[4]银行系统性风险度量——基于动态CoVaR方法的分析[J]. 高国华,潘英丽.  上海交通大学学报. 2011(12)
[5]选择重尾阈值k的Bootstrap方法[J]. 刘维奇,赫英迪,邢红卫.  山西大学学报(自然科学版). 2010(04)
[6]重尾分布尾部指数的Crovella估计性质研究[J]. 陈向红.  南京工程学院学报(自然科学版). 2008(03)

硕士论文
[1]具有GARCH误差项的单位根模型尾部指数的区间估计[D]. 孙美美.浙江大学 2014



本文编号：3538877