黄石2026-09-07 11:08:46

同学你好。参数法、非参数法是针对VaR的估计方法说的。参数法是对数据分布作出假设，基于这个假设推导出VaR的计算公式的一种方法。比如我们可以假设金额收益服从正态分布，均值为μ，方差为σ^2，那么VaR = -(μ - zσ)。非参数法就是历史模拟法，直接基于历史数据来估计VaR，不作出任何显性的分布假设，因此A是正确的。

除此之外，蒙特卡洛模拟作为第三种方法也常被用于VaR的估计。蒙特卡洛模拟的另一常用场景是估计期权价格，但在估计时该方法是直接假设风险中性世界，基于无风险利率来模拟未来的资产价格，而不是说通过做足够多次数的模拟来逼近风险中性，没有这个说法，故B错误。

重抽样法可以反映资产回报率之间的非正态性，因为这个方法是从历史数据中进行有放回的随机抽样，天然保留了历史数据自身的分布性质（比如说肥尾、有偏等）。此外，重抽样法还可以保有资产之间的相关性。这个在二级中的滤波历史模拟法里会有演示，一级稍微了解一下就可以了。简单举个例子，比如我们有三个资产，要模拟这三个资产未来的回报率以及对应的价格。想要保有三者之间的相关性，我们可以不再对单个资产进行有放回的随机抽样，而是对历史时点进行有放回的随机抽样。比如我随机抽一个t时点，如果三个资产之间相关性很高，那么t时点上三者的回报率很有可能就是都挺高，或者都挺低。此时，我们抽取t时点上三个资产的回报率就能够天然保有三者之间的一个相关性架构。但是，基础的重抽样难以保有单个资产回报率的自相关性特性，因为你是对回报率的历史数据进行随机抽样，这就很难考虑到相邻时点回报率之间可能存在的相关性。对于这个问题，基础课介绍了进阶的CBB方法，通过对历史回报率进行分块、然后对这些块进行有放回的随机抽样，就能更好地捕捉回报率的自相关性。因此C整体来看是正确的。

D的话就是一个泛泛的表述，整体来看是正确的。