对数正态分布的VAR数学模型及其计算
第41卷第1期
2011年1月
一,”””””’’、数学的实践与认识MATHEMATICSINPRACTICEANDTHEORyVbl.41.No.1Jan..201l
;管理科学i~。。。。…。。。,
对数正态分布的VAR数学模型及其计算
边宽江,崔冰,金晓燕,刘红波,程波,袁志发
(西北农林科技大学理学院,陕西杨凌712100)
摘要:vaR(valueatRisk)是一种以规范的统计技术来度量市场风险的新标准,目
前在金融数学领域被广泛使用,它是指在正常的市场条件和给定的置信度下,在给
定的持有期间内,测度某一投资组合所面临的最大的潜在损失的数学方法.传统的
VaR计算方法在计算开放式基金时,可能存在着低估风险的情况.着重论述了VaR
模型的数学原理以及该模型的计算方法,运用对数正态分布假设来评估开放式基金
的风险,以验证其结果是否更加接近实际风险值.
关键词:vaR;置信度;时间序列;对数正态分布
VaR模型足金融数学研究的重点问题之一,标准差,∥系数,持续期等传统的度量方法已不能适应新的金融风险的度量.因此,金融机构需要一种能全面反映投资组合所承担风险的技术方法,而vaR数学模型就是为了适应这种需要而产生的风险度量方法.VaR是基于统计分析基础上的风险度量技术,它的核心在于描述金融时间序列的统计分布或概率密度函数见文『11.目前,国内外对vaR模型的研究极为广泛.umbertoCherubini和ElisaLuciano(2001)全面介绍了vaR方法的优点、适用范围、计算过程以及其不足之处.蒲明(2003)也从理论方面论证了vaR模型在对开放式基金风险估计的可行性,并提出了具体的操作步骤,主要提出“方差一协方差法”这种简单的计算方法【2】.通常人们假设金融资产价格服从正态分布,但是,目前国际上有种说法认为金融资产价格服从对数正态分布,传统的vaR计算方法在计算开放式基金的风险时,结果与实际风险值相差较远,对数正态分布假设下得到的风险值(VaR)要比正态分布假设下的风险值更接近实际值【3].通过对比分析,发现这些研究尽是针对现有的vaR模型而展开的,没有对模型进行数学原理的分析,故本文论述了vaR数学模型的计算方法以及对数正态分布假设下资产组合的风险值.
1VaR数学模型
VaR模型足指在正常的市场条件下和给定的置信度下,在给定的持有期间内,某一投资组合或金融资产所面临的最大的潜在损失【4】(可以是相对值,也可以是绝对值).其数学表达收稿日期:2008-01—30
2数学的实践与认识41卷式为:
Prob(△W7>VaR)=1一c=Q
式中,△Ⅳ为金融资产在持有期△£内的损失;vaR为置信水平Q下处于风险中的价值;c为置信度.例如,对于某一金融机构来说,它所持有的金融资产在未来一周内,置信度为99%,市场正常波动的情况下,其VaR值为150万元,则该公司的金融资产在一周内,由于市场价格变化而带来的最大损失额超过150万元的概率为1%,换句话说,也就是有99%的概率在未来一周的损失额不会超过150万元.
令wj为某资产组合的期初价值,W为该资产组合的期末价值,R为该组合在持有期间的投资收益率,通常服从正态分布,其数学期望值为p,则有w=V%(1+R).假设在正常的市场条件下,资产组合的最小价值彤+=p%(1+兄4),R+为最小收益率.VaR可定义为相对均值的损失,即:
VaR相对=E(Ⅳ)一w+
还可以定义为相对于。的绝对损失,即:
vaR绡对=甄一w+
又由前面已知:
Ⅳ=%(1+R)
w+=%(1+兄+)
再根据数学期望的基本性质,可得:
VaR相对=E[%(1+R)】~%(1+R+)=%【E(R)一R4]=眠(p—R+)
va%对=‰一眠(1+彤)=~‰彤
因此在正常的市场条件假设下,计算vaR相当于确定最小价值w+或最小收益率彤.变量是数学模型中最关键的部分,计算VaR的关键是模型中变量的确定,许多金融机构应用VaR来预测风险时,往往直接根据vaR方法的定义简单地将原始数据代入模型计算,并未对模型的变量即影响因素,也就是对“在正常的市场条件和置信水平下,在给定的持有期间内”没有进行合理的分析,因而做不到合理的假没.总体而言,V-aR模型需要考虑资产组合收益率分布、置信水平、持有期三个方面因素的影响.
1.1资产组合收益率分布
在正常的市场条件下,就是指市场在正常的范围内随机波动,不包括人为和市场机制的干涉因素.设某金融资产价格的时间序列为{m),‰为该资产组合的期初价值,彤为该资产组合的期末价值,R为该组合在持有期间的投资收益率,则有Ⅳ=wj(1+R).在此,将R可看作一个随机变量,记弘和仃分别是R的数学期望和标准差.作为金融资产收益率的时间序列{Rt)有
昆=(%一眠一1)/慨一l
当毗一1.已知时,收益率序列{昆}服从正态分布,虽然资产收益正态分布假设能进行较方便的VaR度量和分析,但实证研究表明资产收益率分布具有尖峰厚尾现象【5】)正态分布的假设往往会低估风险值【6】.因此,在实际中需要对资产收益率的分布进行合理性的检验.
l期边宽江,等:对数正态分布的VAR数学模型及其计算31.2置信水平
设总体x的分布含有一个未知参数p,若由样本xl,恐,…,%确定的两个统计量p1(x1,尼,…,x。)及p2(x1,x2,…,‰),对于给定值Q(o<Q<1)满足:
P{臼1(x1,拖,…,%)≤口≤口2(xl,恐,…,‰)}=1一Q
则称100(1一Q)%为置信度,100a%为置信水平.
从经济学的角度理解,置信水平是指决策人员对资产组合发生、raR所表示的最大损失值的把握程度.因此,置信水平的选择与不同的决策者对风险承担的偏好有关,一般都在95%一99%之间.假定一种金融资产过去12个月收益分布的收益率在一2.5%一15%之间,我们可以计算每一种特别的收益分布在这12个月中发生的次数,因而可以构造一个收益的概率分布.如给定一个置信度c=99%,假设与之相对应的收益率为3.5%,即表示这种金融资产的最大损失有99%的概率不会超过3.5%.举例说明,假如有50万元的金融资产,仅有1%的概率,它的最大损失超过50(万元)×3.5%=1.75(万元).
1.3持有期
持有期(即目标区间,可用变量△t来表示)的选择从某种意义上讲带有一定的随意性,它根据金融投资的特点来决定.一般情况下,对于流动性很强的投资如场外衍生工具需以每日为期计算vaR值【7】;对于交易周期比较短而且交易比较活跃的流动性资产,可选取1—3d为期计算VaR值;而养老保险等由于对风险的调整一般比较慢而选择目标区间通常为一个月.因此,对于不同投资领域其目标区间的选择不尽相同.
2对数正态分布的VaR方法
。假设lnR服从正态分布Ⅳ(肛,仃2),则金融资产的收益R服从对数正态分布,其密度函数
。
为:邶)=去e一呼R>。
设R的数学期望和方差分别为pR和盯磊,则有
P十o。o
pR=E(R)=/R・,(R)dR=ep+等
,+∞.
仃磊=D(R)=E(R2)一(E(R))2=/。
根据概率分布推导:
.R2.,(R)dR一(ep+譬)2=(e。一1)d2“+口2・一c=仁胛炒=仁旭肿=伫绯№
其中,‰为标准正态分布的分位数,妒(£)为标准正态分布的密度函数.
又由砌<州=P(訾<警)=・一c
——=pa=}n=pR十盯R肛Q堡二丝:地号R・:pR+盯R肛。得:
4数学的实践与认识41卷
所以vaR的计算方法可推导为:
vaR相对2E(缈)一Ⅳ+=E[%(1+R)】一%(1+R+)=‰(pR—R+)
=W厂0(pR—pR一盯R弘。)=一Ⅵ厂。盯R肛。=一W,0【(e口2—1)e2p+一2]1/2p。
vaR绝对=甄一Ⅳ;=‰一%(1+彤)=一‰R+=一%(pR+盯R弘。)
:一w,o(ep+雩+[(ea2—1)e2p+矿】1/2p。)
3VaR方法在开放式基金风险评估中的应用
为了证实对数正态分布假设下得到的VaR值是否更接近实际值,本文选取了8只开放式基金作为样本,假设这些基金仅投资于某一资产,样本数据为2006年7月6日起的41个交易日数据(数据来源:坐‘P!鲤yfund.cnfund.cn/index.aspX).
首先,我们对上表中的数据进行正态性检验,这里选取偏峰系数检验法.
平均收益率是指某种金融资产直到时刻n收益率的平均,R£表示日收益率.则平均收益率的数学表达式为:
.忆
R=一>Rt元:兰F风。lL‘一£=1
标准差s是反映收益率出现波动情况的指标.其计算公式为:
S=
偏度是反映收益率分布密度对称性的指标,计算公式为:
sK=妄∑(见一五)3/s3"U、一7’
一t=1
SⅨ的大小不仅反映偏斜方向同时也反映了偏斜程度.
峰度系数K是反映一个随机变量分布形状的指标,它的值越大,那么密度函数在均值处越陡峭.常常定义峰度系数的计算公式为:
K=丝矿∑(风一扁)4
因此我们以正态分布的峰度系数值(K=3)为基准,如果K>3,则表示该分布具有高峰的特征.如果等于3则表示该分布与正态分布具有相同的峰度.计算结果如表1.
表l正态性检验结果
从表1中我们明显看到8只基金的收益率不服从正态分布,因此,根据前面对数正态分布假没下VaR计算方法,我们可对8只基金的数据在95%和99%置信度下进行计算,这里计算各只基金收益的数学期望为:肛1=o.0246,p2=0.01,肛3=0.0146,p4=0.01324,卢5=o.014,p6=
1期边宽江,等:对数正态分布的VAR数学模型及其计算5o.01228,卢7=o.0112,肛8=o.0352.收益的方差为:盯}=o.ool659,程=o.000127,盯;=o.o00462,霸=o.o00199,碚=o.o00165,盯0=o.o00166,盯;=o.o00296,盯i=o.003042.
代入公式
VaR相对=一‰[(e”一1)e2肛+口2】;‰
分别取肛o_05=1.645和po-0l=2.33,计算得其绝对值,结果见表2
表2对数正态分布下的VaR值
为了对比对数正态分布假设下的vaR值是否比其更接近实际值.计算正态分布假设下的vaR值,结果见表3
表3正态分布下的VaR值
对照表2与表3中的VraR值,发现正态分布下计算结果均小于对数正态分布假设下结果,而对数正态分布假设下的Ⅵ凰值落在了巴塞尔规则的绿灯区域内,说明这种评估风险的方法是合理的,而且相对正态分布计算结果更加接近实际值.
参考文献
[1】张国勇,杨宝臣.vaR计算方法综述[JJ.天津理工学院学报,2003,19(4):7_4.76.
[2】浦明.基于VaR模型的开放式基金风险计量研究[J].学术交流,2003,4:95—98.
【31刘一凡,宋福铁.基于VaR方法对开放式基金风险评估的实证研究[J1.华东理工大学学报,2006(2):
34.39.
[4]程先双,边宽江.VaR度量金融风险的几个问题[J】.西北农林科技大学学报:自然科学版,2005,33(3):
142—144.
[5】边宽江,程波,王蕾蕾.收益分布尖峰厚尾问题的统计检验[J】.统计与决策,2009(7):8孓85.
[6】郭晓亭,蒲勇健,杨秀苔.VaR模型及其在证券投资管理中的应用[J】.重庆大学学报,2006,29(3):
152—155.
[7】张国良.vaR及其基本原理[J】.沈阳航空工业学院学报,200l,18(3):82.84.
[8]smonsKatema.TheuseofValueatRiskbyInstitutionalInvestor[J].New
ReView,2000(6):21—31.EnglandBconomic
[9】BerkowitzJ,BrienJ.Howaccurate
12.aretheV址u争at・riskmodel8atcommercialbank87【J】.JournalofFinance,2002(6):1093-11
6数学的实践与认识41卷VaRMathematicalModelandItsComputingMethods
UndertheLognormalDistribution
BIANKuan.jiang,CUIBing,JINXiao_yan,
LIUHon分bo,CHENGBo,YUANZhi’fa
(CollegeofScience,North嗍tA&FUniversity'Y£mgling712100,China)
Abstract:VaR(ValueatRisk)isanewcriteriontomeasurethemarketriskbyastan—dardstatisticaltechnology,anditis讲delyusedinfinancialmathematicsatpresent.Iti8amethodtoanticipatethemostheavylossunderthenorm“marketconditionwiththegivenconfident1evelandtimehorizon.ThetraditionalVaRcomputationalmethodi8usedincalculatingtheopenstylefIlnd,itmayoverestimatetheri8k.Thevalueofriskweobtainedunderthelognormaldi8tribution8upp08itionmustbeⅦoreapproauchtheactualvaluecomparedtounderthenormaldistributionsupp08ition.Thispaperespecially8tudythemathematicaltheoryandthecomputingmethodsofVaRmodel.U8ingthe109normaLldistribution8uppositiontoappraisetheriskoftheopenstylefund,toconfirmwhethertheresultisevenmoreapproachestherealvadueofrisk.
Key、^,ords:VaR;confidentlevel;time8eries;logarithmnormaldi8tribution
对数正态分布的VAR数学模型及其计算作者:
作者单位:
刊名:
英文刊名:
年,卷(期):边宽江, 崔冰, 金晓燕, 刘红波, 程波, 袁志发, BIAN Kuan-jiang, CUI Bing,JIN Xiao-yan, LIU Hong-bo, CHENG Bo, YUAN Zhi-fa西北农林科技大学理学院,陕西杨凌,712100数学的实践与认识MATHEMATICS IN PRACTICE AND THEORY2011,41(1)
本文链接:http://d.g.wanfangdata.com.cn/Periodical_sxdsjyrs201101001.aspx