VaR模型中的分位点水平内生化

【摘要】：在现有的 VaR 模型中,分位点水平的确定是基于 Basel 委员会关于风险监管和 风险管理的要求而定的,是外生的。实际上,由于金融数据的分布特性,许多 VaR 模型参数的估计、模型的拟合优度和预测效果对分位点水平是非常敏感的,因此正 如很多研究所揭示的,模型在样本外和样本内的预测能力变化很大。Engle 与 Manganelli (1999)提出的 CAViaR 模型是一个典型的例子。因此,本文建议依 VaR 据模型的内部因素考察分位点水平的选择,并提出两个统计量以选取最优分位点水 平取值区间,从而将分位点水平内生化。 本文的主旨是衡量和改善模型预测能力的稳定性。当模型所考察的时间序列的 数据生成过程(DGP)不发生变化时,如果模型在样本外的预测结果落入给定假设范 围内,那么我们就认为模型的预测能力是稳定的。一方面,我们考虑违背序列的独 立同分布要求。基于后续检验的思想,本文拓展了 Engel 和 Manganelli(1999)提出的 样本外 DQ(Dynamic quantile)统计量的应用,并通过一系列蒙特卡罗试验证实,很 多模型的 DQ 统计量的取值对分位点水平的变化是非常敏感的。我们选出 DQ 统计 量的显著的连续区域,称之为稳定域,并将稳定域视为 VaR 模型的可行域。另一方 面,我们考察模型的预测精度,设计了衡量模型预测效果的间接拟合优度(IAF)统计 量,以及衡量预测能力变化的似然比统计量(LR)(基于最小化的加权绝对离差平均 (WAAE))。类似的,本文通过蒙特卡罗试验研究了这两个统计量的性质。利用这三 个统计量可综合考察模型在所关心的置信区域上预测效果的变化规律,从而选取最 优的分位点水平管理风险。 通过对上证指数和一些股票数据的经验研究,本文证实了分位点水平内生化的 必要性和价值及本文提出的内生化方法的有效性,并为文献关于 VaR 效果评价中的 常见悖论提供了有效的解释。 本文创新之处主要有二,第一,主张在 VaR 模型中将分位点水平内生化,并从 I WP=4 模型预测精度及预测能力稳定性的角度,模拟与经验分析并用,证实了该主张的价 值,初步建立一套分位点水平内生化的实现方法。研究的一个自然的推论是,由于 分位点所区间不同,不同的模型预测能力可能发生特定的变化。由此本文证实:利 用巴塞尔委员会在关于银行监管的文件(1996)建议使用的违背率指标比较模型的预 测效果可能会产生谬误(该谬误模式与模型和数据特性有关),且在 2%以下的显 著性水平取值区间,该指标一般是非常低效而有偏的。 第二,本文提出了间接拟合优度(IAF)指标,填补了分位点回归方法缺乏拟合优 度指标的空白,但其合理性和有效性尚待进一步验证。