开发者:上海品职教育科技有限公司 隐私政策详情

应用版本:4.2.11(IOS)|3.2.5(安卓)APP下载

汶珈 · 2024年02月19日

关于参数法的疑问,主要是Volitality-weighted HS 和 correlaion-weighted HS

1、对于age-weighted HS,里面的例题,计算出权重之后,都是按5%+1的形式得出VAR?算95%的ES,是每个loss*权重相加后,再除以5%?

eg:因为5%位于99loss和98loss之间,再往下一位是97loss,按照定义,只能选98loss?对于ES,是不是需要【100*3.8743%+99*0.7179%+(98和99之间的)*权重】/5%?因为,看HS的求ES,是每个loss*权重想加再除以5%。故有此疑问。


2、Volitality-weighted HS:

请问,调整完return后,是把return*排序,如果是95%的Var,然后按照n*5%+1的结果,得出那个位置的r*,就是Var?还是得出了r*后,再计算loss,loss的值为最终的Var?


3、correlaion-weighted HS:

调整后的Volitality-p,是不是替代了return调整公式里的分母volitality-i?得到新的R*=Ri/Volitality-p * Volitality-0?


对上述问题有点疑惑,有些确实是超纲了。但在听课的时候确实不太理解。

望解答!谢谢!

2 个答案
已采纳答案

李坏_品职助教 · 2024年02月19日

嗨,努力学习的PZer你好:


  1. VaR是只看分位点的数,所以用5%+1的形式得出VaR,因为98$的累计概率恰好超过5%,所以选择98$作为VaR。而ES的定义是expected value of loss when it exceeds VaR,是损失的期望值。weight只是天数计算出来的权重,并不是对应损失发生的概率。这道题没有说明损失分布,概率无从得知(无法计算ES)。如果假定loss是均匀分布的话,那么ES = 超出98$的loss的平均数。 你说的除以5%,那是因为题目开头说了是uniform distribution(均匀分布),所以expected value可以直接求平均数。
  2. vol-weighted是调整完return之后,直接对调整后的r*进行排序,r*最小的那几个负收益率就是loss,按照相应的置信度水平截取对应的loss作为VaR。
  3. 对。correlaion-weighted 是先用ρ(相关系数)计算出σi,然后r* = ri / σi * σ0。

----------------------------------------------
虽然现在很辛苦,但努力过的感觉真的很好,加油!

汶珈 · 2024年02月19日

第一条还是不太明白。不是课上讲的计算出来的就是概率吗?

汶珈 · 2024年02月19日

ES不是期望的均值当其exceeds var吗?您的意思是,虽然那道题,Var是98。99和100的发生概率不知道?计算结果应该是【99*概率1+100*概率2】/(概率1+概率2)?

汶珈 · 2024年02月20日

ES不是期望的均值当其exceeds var吗?您的意思是,虽然那道题,Var是98。99和100的发生概率不知道?计算结果应该是【99*概率1+100*概率2】/(概率1+概率2)? 能不能再详细解释下第一部分。

李坏_品职助教 · 2024年02月20日

嗨,爱思考的PZer你好:


用λ和n算出来的是weight,把weight累加起来(cumulative)之后恰好超过5%的loss就是VaR:

因为VaR看的是分位数,可以直接用weight累加起来,直接看累计概率。


ES不是这样算概率,它是平均看待所有超过VaR的loss。ES= 超过VaR的loss的expected value。所以我们需要具体知道所有loss各自发生的概率(而不是weight)才能算出来ES。所以严格来说age weighting或者vol weighting只能用来计算VaR,而ES是不考虑weighting的。


下面那道题开头就说了是uniform distribution,相当于每一个超过VaR的loss发生的概率都是均等的,所以ES = loss求和 / 5。如果每一个loss的概率不是均等的,那么ES = ∑(loss * 各自概率)。

----------------------------------------------
虽然现在很辛苦,但努力过的感觉真的很好,加油!

汶珈 · 2024年02月21日

谢谢!明白了!

  • 2

    回答
  • 0

    关注
  • 148

    浏览
相关问题