基于MCMC參數(shù)估計的POT極值理論度量影子銀行與A股市場VaR-ES

李錦成

一、引言

2008年美國次貸危機(jī)爆發(fā)后，美國學(xué)術(shù)界和華爾街有觀點認(rèn)為影子銀行是導(dǎo)致金融危機(jī)的重要因素，后期美國學(xué)者進(jìn)行了大量的研究以證明影子銀行會產(chǎn)生金融危機(jī)，并導(dǎo)致股市波動性加大。然而，學(xué)術(shù)界并沒有研究過影子銀行的極值情況。檢驗時間序列的極值通常利用POT模型較為常用，而通過POT模型找到極值后估計參數(shù)MCMC顯然要優(yōu)于極大似然估計。在GPP分布下描述極值的基礎(chǔ)上，通過估計極值的VaR和ES，可以進(jìn)一步理解金融時間序列的極值大小。本文選取了中國影子銀行、上證指數(shù)、上證成交量1996—2015年的月度數(shù)據(jù)變量，通過觀察和比較三個變量的極值分布和極值大小，實證分析了影子銀行與A股市場的低頻高損數(shù)據(jù)特征，這對研究中國影子銀行對A股市場的極值影響性做出了理論鋪墊，也對POT模型的應(yīng)用進(jìn)行了很好的創(chuàng)新性實踐。劉睿等 （2007）[1]利用POT模型對商業(yè)銀行內(nèi)部欺詐風(fēng)險進(jìn)行了度量，使用Gibbs抽樣的貝葉斯MCMC模擬方法估計了POT模型的參數(shù)，目的是解決當(dāng)樣本數(shù)據(jù)不足時極大似然估計中誤差增大的問題。花擁軍和張宗益 （2010）[2]基于VaR正態(tài)性假設(shè)導(dǎo)致的尾部風(fēng)險低估的問題研究了POT模型，并針對樣本平均函數(shù)法在某些數(shù)據(jù)結(jié)構(gòu)下失效的缺陷，利用峰度法定量選取了閾值。滬深股市極端風(fēng)險實證表明：漲跌停板影響了POT模型的有效性，漲跌停板前，在較高與較低的置信水平下，POT模型均比VaR模型有效；漲跌停板后，POT模型在較高置信水平下優(yōu)于VaR模型，但在較低置信水平下反而不及VaR模型。……