第八章
8.1 VaR是指在一定的知心水平下损失不能超过的数量;预期亏损是在损失超过VaR的条件下损失的期望值,预期亏损永远满足次可加性(风险分散总会带来收益)条件。
8.2 一个风险度量可以被理解为损失分布的分位数的某种加权平均。VaR对于第x个分位数设定了100%的权重,而对于其它分位数设定了0权重,预期亏损对于高于x%的分位数的所有分位数设定了相同比重,而对于低于x%的分位数的分位数设定了0比重。我们可以对分布中的其它分位数设定不同的比重,并以此定义出所谓的光谱型风险度量。当光谱型风险度量对于第q个分位数的权重为q的非递减函数时,这一光谱型风险度量一定满足一致性条件。
8.3有5%的机会你会在今后一个月损失6000美元或更多。
8.4在一个不好的月份你的预期亏损为60000美元,不好的月份食指最坏的5%的月份
8.5 (1)由于99.1%的可能触发损失为100万美元,故在99%的置信水平下,任意一项损失的VaR为100万美元。
(2)选定99%的置信水平时,在1%的尾部分布中,有0.9%的概率损失1000万美元,0.1%的概率损失100万美元,因此,任一项投资的预期亏损是
(3)将两项投资迭加在一起所产生的投资组合中有0.009
0.009=0.000081的概率损失为2000万美元,有0.991
0.991=0.982081的概率损失为200万美元,有2
0.009
0.991=0.017838的概率损失为1100万美元,由于99%=98.2081%+0.7919%,因此将两项投资迭加在一起所产生的投资组合对应于99%的置信水平的VaR是1100万美元。
(4)选定99%的置信水平时,在1%的尾部分布中,有0.0081%的概率损失2000万美元,有0.9919%的概率损失1100万美元,因此两项投资迭加在一起所产生的投资组合对应于99%的置信水平的预期亏损是
(5)由于1100
100
2=200,因此VaR不满足次可加性条件, 1107
910
2=1820,因此预期亏损满足次可加性条件。
8.6(1)1天展望期的97.5% VaR为200
(0.975)=200*1.96=392
(2)5天展望期的97.5% VaR为
*392=876.54
(3)1天展望期的99% VaR 为392*
=392*
=466
因此,5天展望期的99% VaR 为
*466=1042
8.7 由于假定组合的价值变化服从正态分布,其期望值为0,则当每天价值变化的一阶自相关系数等于0.16时对于8.16中5天展期望的97.5%变现为996万美元,C中5天展望期的99%的VAR变现为1182万美元。
8.8 边际VaR是VaR的增长随第i个资产增加的比率,增量VaR是指第i个资产对于VaR的影响(含有第i个资产VaR与不含有第i个资产VaR的差),成分VaR是指整体VaR对于第i个资产的分配(成分VaR的总和等于整体VaR)。
8.9总数为17或更多例外发生所对应的概率为1-BINOMDIST( 16,1000,0,01,TRUE),即2.64%,在5%置信水平下我们应该拒绝这一模型。
8.10当金融资产交易组合的每天价值独立时,例外的情形以聚束的情形发生,而不是随机分布在整体时间区域内,这种情形被称为聚束效应。通常情况下,我们假设交易组合每天的价值变化独立,例外的情况发生应该比较均匀的分布在检测区间内,但是实际经济生活中,我们发现例外情形一般是呈现聚束分布特征的,这便是聚束效应。
8.11证明式(8-3)
证明:我们希望计算
的
差,其中Pi为第i天的回报,其数量为
式中,σi为Pi的标准差,ρij为Pi与Pj的相关系数。这是对于所有i,σi=σ,当i>j时ρij=ρi-j,进一步运算,我们可以得出式(8-3)。
8.12(1)对应于95%的置信水平,任意一项投资的VaR为100万美元。
(2)选定95%的置信水平时,在5%的尾部分布中,有4%的概率损失1000万美元,1%的概率损失100万美元,因此,任一项投资的预期亏损是
(3)将两项投资迭加在一起所产生的投资组合中有0.04
0.04=0.0016的概率损失2000万美元,有0.02
0.02=0.0004的概率损失200万美元,有0.94
0.94=0.8836的概盈利200万美元,有2
0.04
0.02=0.0016的概率损失1100万美元,有2
0.04
0.94=0.0752的概率损失900万美元,有2
0.94
0.02=0.0376的概率不亏损也不盈利,由0.95=0.8836++0.0376+0.0004+0.0284,因此将两项投资迭加在一起所产生的投资组合对应于95%的置信水平的VaR是900万美元。
(4)选定95%的置信水平时,在5%的尾部分布中,有0.16%的概率损失2000万美元,有0.16%的概率损失1100万美元,有4.68%的概率损失900万美元,因此,两项投资迭加在一起所产生的投资组合对应于95%的置信水平的预期亏损是
(5)由于900
100
2=200,因此VaR不满足次可加性条件, 941.6
820
2=1640,因此预期亏损满足次可加性条件。
8.13
(1)
(2)
由上式得:
(3)
所以
(4)
(万美元)
第九章
9.1每周的
。
9.2.某资产的波动率为每年25%,对应于一天的资产价格百分比变化的标准为:25%/
=1.57%
假定价格变化服从正态分布,均值为0估测在95%的置信度下价格百分比变化的置信区间为:-3.09%~3.09%
9.3开市时的波动率比闭市时的要大,交易员在计算波动率时往往采用交易天数而不是日历天数。
9.4隐含波动率是指使得由Black-Scholes所计算出的期权借个等于市价时所对应的波动率,隐含波动率的求解方法通常是采用试错法,因为不同期权对应于不同的隐含波动率,所以交易员利用Blac-Scholes公式时实际上采用了不同假设。
9.5 由9.3节的方法:先计算每段的回报,再计算回报的标准差,最后计算得到的波动率为0.547%,但由式9-4的计算得出的每天波动率为0.530%。
9.6由9-1可得:
,当
的概率为1%,
则
,K=2500,
当
,即点击次数为10000次以及更多次的比例为0.25%;
当
,即点击次数为2000次以及更多次的比例为0.0625%。
9.7在第n天估计的方差等于
乘以在n-1天所估计的方差加上
乘以第n天的回报的平方。
9.8 GARCH(1,1)对于长期平均方差设定了一定权重,这与EWMA的假设一致,GARCH(1,1)具有波动率回归均值的特性。
9.9在这种情形下,
,
,由式(9-8)我们可得出
因此在第n天波动率的估计值为
,即1.5103%。
9.10由EWMA模型我们可以得到波动率的预测方程可以
示为:
所以,我们可以看出当我们把
由0.95变为0.85意味着我们将赋予靠近今天的
更大的权重,即认为近期的数据对现在的影响更大。同时,由模型我们也可以看出
的变化将引起模型中权重的集体变化,进而引起模型波动率的较大变化。
9.11采用通常的符号,
,因此
,对于最新波动率的估计为每天1.078%。
9.12.解:价格变化的比率为-0.005/1.5000=-0.003333,当前每天的方差估计为0.006^2=0.000036,对于每天的方差的新估计为
0.9*0.000036+0.1*0.003333^2=0.000033511
波动率的新估计值为以上数值的平方根
=0.597%
9.13长期平均方差所对应的权重为
,长期平均方差为
,增大
会促使长期平均方差的增长,增大
会增大对于近期数据所设定的权重,同时减小对于长期平均方差所设定的权重,以及增大长期平均方差;增大
仍会增大对于前一个方差所设定的权重,减小对于长期平均方差所设定的权重,并且增大长期平均方差的水平。
9.14 长期平均方差为ω/(1-α-β),即0.000004/0.03=0.0001333,长期平均波动率为
=1.155%,描述方差回归长期平均的方程式为E[σ2 n+k]=VL+(α+β)k(σ2 n- VL)这时E[σ2 n+k]=0.0001330+0.97k(σ2 n-0.0001330)如果当前波动率为每年20%,σ n=0.2/
=0.0126,在20天后预期方差为0.0001330+0.9720(0.01262-0.0001330)=0.0001471因此20天后预期波动率为
=0.0121,即每天1.21%。
9.15 FTSE用美元表达为XY,X为其用英镑表达的价值,Y为汇率,定义xi为X在第i填的价格变化百分比,yi为Y在第i填的百分比变化,XY的比例变化为xi+yi,,xi的标准差为1.8%,yi的标准差为0.9%,X与Y的相关系数为0.4,因此xi+yi的方差为:
0.018*0.018+0.009*0.009+2*0.009*0.018*0.4=0.0005346,因此xi+yi的标准差为0.0231,即2.31%,这就是FTSE100被转化成美元后的波动率。
9.16由式9-10可得:
,则长期平均方差为:
,再由式9-14可得:
,则波动率为:
,即30天后的日波动率为1.11%。
9.17 把
=0.0001,
=0.0202,
=20以及
=0.000169带入公式
得到波动率为19.88%。
9.18
周数
股票价格
价格比
每天回报
0
30.2
1
32
1.059603
0.057894
2
31.1
0.971875
-0.02853
3
30.1
0.967846
-0.03268
4
30.2
1.003322
0.003317
5
30.3
1.003311
0.003306
6
30.6
1.009901
0.009852
7
33
1.078431
0.075508
8
32.9
0.99697
-0.00303
9
33
1.00304
0.003035
10
33.5
1.015152
0.015038
11
33.5
1
0
12
33.7
1.00597
0.005952
13
33.5
0.994065
-0.00595
14
33.2
0.991045
-0.009
此时,
,
周收益率标准差的估计值为
即周波动率为2.884%
每周波动率的标准差为
或每周0.545%
9.19(a)在这种情形下,
,
,由式(9-8)我们可得出
因此在第n天波动率的估计值为
,即1.2709%。
(b)这里GARCH(1,1)模型为
由(a)知,
,
,因此
对于波动率的最新估计为
,即每天1.2604%。
9.21(a)由
设可知GARCH(1,1)模型为:
因为
,由于
,可知模型隐含的每天长期平均方差为0.0001,对应的波动率为
=0.01即每天1%。
(b)因为当前波动率为每天1.5%,所以
由于
故20天后
=0.0001+(0.98)20(0.0152-0.0001)=0.00018
40天后
=0.0001+(0.98)40(0.0152-0.0001)=0.00016
60天后
=0.0001+(0.98)60(0.0152-0.0001)=0.00014
(c)短期预测只需较近较少的样本值,长期预测需要较多较久的样本值,即每天或者更小周期的期货价格
(d)由于
其中
且
期权期限(
)
20
40
60
波动率
(0.5%)
0.022
0.024
0.028
波动率
(2%)
0.017
0.015
0.014
波动率变化
0.005
0.009
0.0014
9.23
(1)
=1000/1.6448727
=607.94978
=607.94978*2.326
=1414.0912(万美元)
(2)