Bootstrap方法在证券投资基金风险测量中的应用.pdf

Bootstrap方法在证券投资基金风险测量中的应用.pdf

ID:52391640

大小:150.94 KB

页数:4页

时间:2020-03-27

Bootstrap方法在证券投资基金风险测量中的应用.pdf_第1页
Bootstrap方法在证券投资基金风险测量中的应用.pdf_第2页
Bootstrap方法在证券投资基金风险测量中的应用.pdf_第3页
Bootstrap方法在证券投资基金风险测量中的应用.pdf_第4页
资源描述:

《Bootstrap方法在证券投资基金风险测量中的应用.pdf》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、第27卷第3期统计研究Vo.l27,No132010年3月StatisticalResearchMar.2010Bootstrap方法在证券投资基金风险测量中的应用*李进芳王仁曾内容提要:将Bootstrap方法用于计算证券投资基金的风险价值,会在很大程度上提高风险测量的精度。把Bootstrap方法应用在以GARCH为基础的模型上,既考虑了证券投资基金数据的自相关性和时变方差特性,又很好地模拟了残差的分布路径信息。理论分析和实证分析都表明,这种灵活的参数2非参数混合风险测量模型能够提高风险价值的计算精度。关键词:证券投资基金

2、;Bootstrap;风险价值中图分类号:C812文献标识码:A文章编号:1002-4565(2010)03-0066-04ApplicationofBootstrapMethodinRiskMeasurement:TheCaseoftheChineseSecuritiesInvestmentFundsLiJinfang&WangRenzengAbstract:Bootstrapmethodwilllargelyimprovetheaccuracyofriskmeasurement,whichbeusedtocalculate

3、thevalueatriskofsecuritiesinvestmentfunds.TheapplicationoftheBootstrapmethodwithGARCH2basedriskmeasurementmode,lnotonlyconsidersthefundpsdataauto2correlationandthetime2variablevariancecharacteristic,butalsoverywellsimulatethedistributionoftheresidua.lThetheoreticala

4、nalysisandempiricalanalysisindicatethatthisflexibleparameter2nonparametricmixedriskmeasurementmodelcanimproveestimationprecisionofVaR.Keywords:SecuritiesInvestmentFund;Bootstrap;ValueatRisk一、引言二、模型的构建近年来,我国证券投资基金迅猛发展,已成为我测量证券投资基金风险主要有3种方法:历史国投资业务的主要发展方向之一。截至2009年2模拟

5、方法、蒙特卡罗模拟法和方差2协方差方法,而月25日我国拥有封闭式基金49支,开放式基金Bootstrap方法是最近几年发展起来的比较前沿的风421支。以机构投资者为主的投资结构取代了以中险测量方法。应用历史模拟方法时需要较多的数小散户为主的投资结构,并深刻影响着我国证券市据,数据太多包含了太多的旧信息,不能更好地描述场的整体投资理念,有力地促进了我国证券市场稳未来情况。Bootstrap方法通过重复再抽样,当数据定、规范、高效地运行。然而,我国基金业的迅速发量较少时能很好地估计各种统计量,很好地解决了展与其业绩、风险评价滞后形

6、成了矛盾,给我国基金这个矛盾。的投资者、管理者和监管者开展工作带来了很大的(一)基本思想不便,因此,当前迫切需要对我国基金业绩进行风险Bootstrap方法是由Efron在1979年首先提出评价开展深入的研究,以便更有效地管理和防范基的,在过去30年的时间里,该方法在理论和应用上金市场风险,从而更好地促进我国基金业的健康发都得到了长足的发展。以Bootstrap为主题的相关展。本文针对我国证券投资基金风险的特点,引入著作和论文在国外相关网站可以找到许多。国内对Bootstrap方法,探讨其合适的风险度量模型并进行了实证分析。*

7、本文为第十二次全国中青年统计科学研讨会会议论文。第27卷第3期李进芳王仁曾:Bootstrap方法在证券投资基金风险测量中的应用#67#Bootstrap方法的理论研究很少,主要是对一些国外能够很好地捕捉数据间的自相关性和波动聚集性。研究成果的引入和介绍。把Bootstrap方法建立在以GARCH为基础的模型Bootstrap方法的核心是利用自助样本(或称为上,既考虑了金融数据的自相关性和时变方差特性,再生样本)来估计未知概率测度的某种统计量的统又很好地模拟了残差的分布路径信息,是对计特性。其中心思想为:假设我们希望估计某一分

8、Bootstrap方法的延伸和扩展。这种灵活的参数2非参数混合风险测量模型会在很大程度上提高风险测布F(B;x)的某一统计量H为:H=Qg(x)dF(B;x)。量的精度。由于总体分布经常是未知的,Bootstrap估计通过由GARCH模型一般由两个方程组成。一个是条样本获得的

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。