ＶａＲ的組合預測方法

摘 要：本文探討了組合預測方法對提高風險值預測表現的意義，給出了執行風險值組合預測的具體方法，同時對預測表現進行了實證分析。用歷史模擬法和風險矩陣法作為兩種單個預測方法，風險值組合預測的權重由分位數回歸來估計。針對我國上證綜合指數的實證分析表明合適的風險值組合預測能夠顯著地提高單個預測方法的預測表現。

關鍵詞：風險管理；風險值；組合預測；分位數回歸

中圖分類號：F830.9 文獻標識碼：A 文章編號：1003-5192(2008)03-0075-06

Forecast Combination of Value-at-Risk

LIU Qi-hao

(School of Economics and Management，Beijing University of Technology，Beijing 100022，China)

Abstract：In this paper，we discuss the meaning of using forecast combination approach to improve the forecast performance of Value-at-Risk，present the method of estimating VaR forecast combination weights and give out the related empirical study. The two individual VaR approaches are historical simulation approach and RiskMetrics approach respectively，and the weights of forecast combination are obtained by quantile regression technique. The empirical study on the Shanghai Composite Index shows that the suitable VaR forecast combination can significantly improve VaR out-of-sample forecast performance.

Key words：risk management；Value-at-Risk；forecast combination；quantile regression

1 引言

風險值(Value-at-Risk，以下簡稱VaR)是金融市場風險的一種度量標準，常被用于投資決策、金融監管、風險資本分配等。關于VaR研究中的一個重要問題是如何得到準確的VaR預測。盡管預測VaR的方法很多，包括歷史模擬法(Historical Simulation)、風險矩陣法(RiskMetrics)、極值理論方法(Extreme Value Theory)以及條件自回歸法(CAViaR) 等^[1，2]，但是目前所提出的預測VaR方法并沒有給出一個令人滿意的答案，準確地預測VaR(特別是99%水平的VaR)仍是一個統計難題^[2]。VaR本質上是資產收益損失分布的一個分位數，在實踐中通常取95% 和99%兩種水平，或者說VaR通常位于收益損失分布的尾部，致使可以利用的信息比較少，加之收益損失分布隨時間變動的特性，因此VaR的預測往往缺乏穩健性。一種可行的解決辦法是，對不同模型預測出的VaR進行組合(類似于投資組合)，從而提取更多的信息，以使VaR的預測更穩健。這種對預測進行組合以提高預測表現的方法被稱為組合預測，該方法由Bates和Granger首先提出，現在已發展成為一個重要的研究領域。……