Cindy2020-03-17 11:15:34

同学你好，当数据量很少时，使用历史模拟法计算VaR是有问题的。所以，历史模拟法首先需要数据的量要足够多，当数据越来越多时，离散分布会慢慢接近于连续分布。
而bootstrap，重抽样，是一种增加样本量的方式。是一种简单易懂的方法。
比如说，现在只有四个数据，分别是X1、X2、X3、X4。怎么样增加样本量呢？可以把X1、X2这两个数据找出来，算平均数(X_1+X_2)/2，这样第五个样本就出来了。同样，可以得到X3、X4的平均数(X_3+X_4)/2，第六个样本也找出来了。这是两两之间找平均数，还可以三个三个、四个等找平均数。样本数就增加出来了。这种方法通常比“原始”样本估计的VaR值更精确。更精确的原因是样本量增加了。

但是也是有缺陷的，增加的样本，是没有独立性的，因为它依赖于前面几个数。独立性降低了，数据之间连独立性都没有，那么这些数据用处就大打折扣了。但它在一定程度上解决了样本数据量不足的问题，所以我们可以将学过的这几个方法结合在一起看，辩证的看待这些方法(#^.^#)