当前对资产组合在险价值(VaR)的研究仅限于等间隔抽样数据的建模。本文提出资产组合的非等间隔日内在险价值(Irregularly Spaced Intraday Value at Risk,ISIVaR)研究方法,克服资产组合逐笔交易数据非等间隔且不同步问题,利用逐笔交易数据所包含的丰富市场微观结构信息对VaR进行估计。该方法基于更新时间方法将非同步的资产组合标值序列同步化;运用Copula理论建立资产组合的非等间隔日内波动率模型,并捕捉资产组合中各资产在截面上的相关关系;最后利用这种截面相关关系,使用蒙特卡洛模拟技术估计出资产组合的ISIVaR。实证部分利用真实的逐笔交易数据验证了上述方法的有效性。
类型: 期刊论文
作者: 鲁万波,陈骋,王建业
关键词: 高频数据,资产组合,非等间隔时间序列,日内在险价值
来源: 数理统计与管理 2019年06期
年度: 2019
分类: 社会科学Ⅱ辑,基础科学,经济与管理科学
专业: 数学,宏观经济管理与可持续发展,金融,证券,投资
单位: 西南财经大学统计学院,伦敦政治经济学院统计系
基金: 国家自然科学基金面上项目(71771187),国家自然科学基金青年项目(71101118),教育部新世纪优秀人才支持计划项目(NCET-13-0961)的资助,中央高校基本科研业务费专项资金项目(JBK190602)
分类号: F224;F830.91
DOI: 10.13860/j.cnki.sltj.20190617-001
页码: 1104-1118
总页数: 15
文件大小: 1110K
下载量: 173
本文来源: https://www.lunwen66.cn/article/0f7152f44768b339d7c85f3d.html