风险管理与金融机构课后习题89章答案
- 格式:doc
- 大小:390.00 KB
- 文档页数:13
页眉
页脚 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
0.1%0.9%10010009101%1%万美元 页眉
页脚 (3)将两项投资迭加在一起所产生的投资组合中有0.0090.009=0.000081的概率损失为2000万美元,有0.9910.991=0.982081的概率损失为200万美元,有20.0090.991=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11001002=200,因此VaR不满足次可加性条件,
11079102=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2001N(0.975)=200*1.96=392
(2)5天展望期的97.5% VaR为5*392=876.54
(3)1天展望期的99% VaR 为392*)975.0()99.0(11NN=392*96.133.2=466
因此,5天展望期的99% VaR 为5*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。 0.0000810.0099192000110011070.010.01万美元 页眉
页脚
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nPPP....21的标准差,其中Pi为第i天的回报,其数量为
nijijiiji122
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)。
]12...3)3(22)2(2)1(2[2TTTTT
页眉
页脚 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0.040.04=0.0016的概率损失2000万美元,有0.020.02=0.0004的概率损失200万美元,有0.940.94=0.8836的概盈利200万美元,有20.040.02=0.0016的概率损失1100万美元,有20.040.94=0.0752的概率损失900万美元,有20.940.02=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9001002=200,因此VaR不满足次可加性条件,
941.68202=1640,因此预期亏损满足次可加性条件。
8.13
)(a1XNRV 4%1%10001008205%5%万美元4.68%0.16%0.16%90011002000941.65%5%5%万美元 页眉
页脚 (1)
132222...)3(2)2(2)1(2TTTTTT (2)
由上式得: TTRVRV/a/a (3)
所以RVRVTaa1322...)3(2)2(2)1(2TTTTT (4)
1020012.0*2...12.0*7*212.0*8*212.0*9*210932
8663758.222(万美元)
页眉
页脚
第九章
9.1每周的%16.452%3052YW。
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%/252=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:Kxxob)(Pr,当500的概率为1%,2则
2500*01.0K,K=2500,
当%25.01000*2500)1000(Pr2ob,即点击次数为10000次以及更多次的 页眉
页脚 比例为0.25%;
当%0625.00200*2500)2000(Pr2ob,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1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,10.015n,(30.5030)/300.01667n,由式(9-8)我们可得出
2220.940.0150.060.016670.0002281n
因此在第n天波动率的估计值为0.0002810.015103,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表示为:
mnmmiiniu21212n)1(
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2iu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。
页眉
页脚 9.11采用通常的符号,01923.01024201n,因此
000162.001.092.001923.0006.0000002.0222n
01078.0n,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0.000033511=0.597%
9.13长期平均方差所对应的权重为--1,长期平均方差为)(--1/,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0001333.0=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