天堂之歌

听歌而来,送我踏青云〜

您现在的坐在位置:首页>智汇问答>FRM二级

杜同学2019-03-18 17:59:41

课上说主要考优缺点 但课上讲得有点零散 可以综合归纳一下这几个的异同和优缺电点吗

回答(1)

Wendy2019-03-18 18:19:00

同学你好
BRW的优点:
第一个,BRW方法很好地推广了传统历史模拟法,因为我们可以将传统历史模拟法,看作零衰变的特殊情况,也就是λ=1的情况。历史模拟法其实就是BRW方法的一个特殊情况。所以BRW方法只是在历史模拟法的基础上进行了一个改进,并没有改变你这个方法。
第二个,在原来的历史模拟法的情况下,它的权重是N分之一。那么现在这个情况的话,它是不是要看它的天数?如果它是比较古老的一些数据,那么权重是不是会低很多?如果是比较近的数据,权重依然会高很多的。
第三个,BRW方法能够降低鬼影效应。这个特点比较重要。理由在哪里呢?鬼影效应不就是说当一个数据的年龄是99天有权重,还有100天也有权重,在101天权重突然变为零。而现在这个权重是不是在慢慢衰减?所以它并不会出现一个突变。或者说其实在第100天的时候,权重其实已经非常低了,那么到了101天是顺利的变成零,其实我们的感觉就没有那么明显了。所以,它能够降低鬼影效应,但并不是完全消除,毕竟还是一个突变。
第四个,保证了数据的有效性和利用率。BRW方法允许我们让样本周期随着每次新的观察而增长,因此从不丢弃潜在的有价值的信息。这将提高效率,消除鬼效应。

  • 评论(0
  • 追问(3
评论
追答
HW的优点 第一个,以一种自然和直接的方式考虑了波动性的变化。 第二个,它对当前的波动率是比较敏感的。因为都是站在今天的波动率角度去进行衡量的,所以对当前的波动率比较敏感一些。在刚刚的例子中,当前的波动率是6%,如果变成0.6%了,就会发现所有的数据都等比例缩小了十倍。那么,算出来的VaR肯定也缩小了十倍。所以,对当前的波动率还是比较敏感的。 第三个,用这种方法得到的VaR和ES,是有可能超过历史数据集中的最大损失。这个HW模型的一个特点,就可以和BRW方法做对比了。在BRW方法里,是不会出现一个比历史损失更大的数值,因为并没有对损失进行调整,只是调整了权重。但是,这个方法它是可能会出现非常大的一个损失。 最后一个,这个方法优于BRW的VaR估计。这个是赫尔说的。
追答
FHS的优点。 第一,将历史模拟法和GARCH(1,1)模型结合在一起,这个模型就会变得比较的复杂一些。因此要考虑市场波动条件的变化 第二,很快,甚至对于大型投资组合也是如此。GARCH(1,1)只要建模到软件里,就能迅速算出来答案了,所以虽然很复杂,但是计算过程依然很简单。 第三,与早期的HW方法一样,FHS允许获得的VaR和ES估计,超过数据集中的最大历史损失。因为它是波动率权重的方法调整过来的,所以它跟前面的HW方法拥有相同的性质,VaR和ES也可以超过历史最大值,只是波动率的计算方法不太一样,仅此而已。 第四,考虑了相关系数。这个地方有点难了,其实在高阶版本FHS的里,还可以把相关系数考虑进去,会更难一些,当然这个地方只是告诉你有这么一些性质,了解一下这就可以。 第五,可以考虑资产回报中的自相关性。
追答
Correlation-weighted的优点 原版书到一点点 其中一个是用这种方法得到的VaR和ES,是有可能超过历史数据集中的最大损失。这个和HW的优点是一样的

精品推荐

评论

0/1000

追答

0/1000

+上传图片

    400-700-9596
    (每日9:00-21:00免长途费 )

    ©2025金程网校保留所有权利

    X

    注册金程网校

    验证码

    同意金程的《用户协议》
    直接登录:

    已有账号登录