作者单位:中国社科院数量经济与技术经济研究所
载《中央财经大学学报》2017年第5期
摘要:2008年次贷危机爆发后,美国学术界进行了大量研究检验影子银行与股票市场的极值情况。在此背景下,笔者研究中国影子银行的极值风险,对今后进一步研究极值影响性作出铺垫。对极值数据的分布函数,通常无法用高斯分布或者t分布来有效表达。金融时间序列的尖峰、拖尾、右偏情况,可以基于广义帕累托分布的POT模型进行对极值数据的拟合,确定超出安全阈值的极值数据的分布形式。利用Gibbs抽样的贝叶斯MCMC模拟方法来估计模型的参数,可以解决当样本数据不足时极大似然估计中误差增大的问题,提高数据的拟合效果。笔者首次基于POT模型对中国影子银行与A股市场的极值进行实证研究,确定阈值后分别测算了MCMC估计和MLE估计下的VaR和ES。结果发现:上证成交量极值风险更大,影子银行极值风险相对较小。
关键词:影子银行;A股市场;POT模型;MCMC估计;GPD;VaR估计;ES估计