谢谢 EUNENG,ty715,wissjxp,godfox,Cagede的回复．问题是这样的：

我在做基金投资组合的VaR计量分析时，选定了基金重仓的十只股票，在做正态分布检验时，发现仅有两只股票能很好的服从此分布，而其它则出现尖峰或后尾现象，这样以来就不能用分析方法来进行解决了．再往下，就不知道该如何进一步进行？

另外，在对var模型进行扩展，即考虑流动性风险因素时（方法主要是在BDSS模型上的改进模型），发现实证研究的效果也不是很理想，跟实际情况差别比较大．流动性风险因素在var中因素考虑，不知道怎么样才能很好的解决？

还请大家多多指教！谢谢！

edited

[此贴子已经被作者于2006-12-26 2:48:02编辑过]

请教！目前流行的VAR方法到底是什么啊！

Monte Carlo simulation, period.

可以看看orange county的案例。

是关于VaR的缺点的。

76804.zip
大小:(87.19 KB)

 马上下载

本附件包括：

• orangecounty.doc

嗯，我具体回答了，不过后来删掉了。我记得大概的意思是说假如用历史模拟的话，那些问题都不用担心，都解决了。

另外Jorion那篇文章根本就不是说VaR的缺点的，他一直鼓吹VaR的，最明显的两个例子橙郡和巴林，他总是说假如他们用了VaR可以避免损失。但是这两个例子的问题不是用没有用VaR，而是根本就没有风险管理。后来LTCM用了VaR了，不一样翻了。

为什么陈年贴总是被翻出来。

偶前一阵子也问风险管理，没人理我，只好找过去的帖子看。

那位仁兄说的单个不符合正态，但是组合了不就可以用中心极限去套了吗？

其实，这一块儿我也有点发毛，上课的时候讲过QQ plot，然后扯到回归，突然蹦出来说R square要99以上才可以是正态。这个问题在Loss model的书里也讲，但是我的拟和概念不好，挺想听听高手的意见。

嗯，不好用CLT，因为不是iid。

哦，是Lyapunov CLT，那行了

[此贴子已经被作者于2007-1-20 5:40:17编辑过]

老大，能不能具体点。（是不是等着写续集，赚帖子数升博士？我升到了！）

大概知道你什么意思，但是在back testing的时候还是用了卡方检验，这个就不怀疑是不是IID了？

CLT说X1,X2,...Xn是iid的随机变量，期望值是mu，标准差是sigma，都是有限的，假如S = X1 + X2 + ... + Xn，那么(S - n * mu) / (sigma * sqrt(n))分布上收敛到标准正态分布。我开始说不行，是因为各个股票的标准差不一样。

但是Lyapunov CLT说即使各个mu和sigma不一样，只要各个third central moment也是有限的，结果也收敛，那就行了。

你说的是kupiec test？这个应该是假设portfolio return是iid的。

Lyapunov CLT，李雅普诺夫中心极限定理？

[此贴子已经被作者于2007-1-20 6:14:48编辑过]

我就是专门搞数学计算的呵呵, 只要你有模型我就可以找出好的算法去计算var

嗯，假设我long otm call, short otm put, short underlying，整个portfolio是delta neutral, gamma neutral, vega neutral，模型就是Black-Scholes，你的好方法？

嗯。同意。

回到QQ-plot上，最后的regression，为什么R square的设置是0。99的呢？有没有数学证明过程？

这个...我觉得是经验判断吧，要是有理论证明我也想知道。0.95和0.99有什么大区别吗，0.989呢。

另外那个CLT的问题还真不好说，即使我用李雅普诺夫那个，还是有个前提，X1, X2, ..., Xn要是独立的，一般资产组合里面的东西都是相关的，更不要说独立了。所以我觉得严格的讲还是不行，除非每个都是正态分布的，但是和CLT就没有关系了。不过难说有没有更高版本的CLT，我要翻翻书。

[此贴子已经被作者于2007-1-21 2:26:59编辑过]

我也不知道是为什么，就是上课的时候，RM的老师这么说了，让我挺不明白的。

Sorry,不是R square, 是那个B>0.999 at 5% significance level。