平稳序列的GPD模型在风险测度中的应用  

作　　者：李强[1] 周孝华[1] 张保帅[1] 

机构地区：[1]重庆大学经济与工商管理学院,重庆400030

出　　处：《统计与决策》2013年第11期78-82,共5页Statistics & Decision

基　　金：国家自然科学基金资助项目(70473107);中央高校基本科研业务费资助项目(CDJXS11021112)

摘　　要：文章旨在运用极值理论提高VaR的适用性和估计的精确度。VaR技术作为一种统计方法常用来测度金融市场风险,极值理论则是研究随机变量或过程的极端情形的统计规律性。然而,经典的极值模型要求金融时序服从独立同分布条件。考虑满足平稳性条件下的金融时序,针对序列相关引致的极值成串现象,引入极值指标来刻画极值数据间的相关结构,采用除串技术过滤数据的相关性,进而得到渐进独立的同分布序列,再构建GPD模型来测度VaR。实证分析和回测检验表明:改进的GPD阈值模型具有对风险测度的有效性和精确性。

关 键 词：广义帕累托分布 除串 平稳序列 极值指标 风险价值 

分 类 号：F830[经济管理—金融学]