厚尾分布的极值分位数估计与极值风险测度研究  

Extreme Quantile Estimation for Heavy-tailed Distribution and A Study of Extremal Risk Measurement

作　　者：欧阳资生[1] 

机构地区：[1]湖南商学院信息系,长沙410205

出　　处：《数理统计与管理》2008年第1期70-75,共6页Journal of Applied Statistics and Management

基　　金：湖南省社会科学基金(编号：05YB95);湖南省教育厅科研基金(编号：05C562)

摘　　要：金融数据呈现的厚尾性已达成共识.本文中,我们基于指数回归模型构造了厚尾分布的极值分位数估计,从而得到了VaR的估计公式.作为一个应用,我们得到了上海上证指数和深圳成份指数的VaR的估计值.It is well known that finance data tend to heavy-tailed. In this paper, on a basis of an exponential regression model for log-spacings we propose an extreme quantile estimator of heavy-tailed distribution and attain an estimation of value-at-risk. As an empirical example we consider a value-at-risk calculations for China stock index.

关 键 词：厚尾分布 VAR 极值分位数 

分 类 号：O212[理学—概率论与数理统计]