极值估计在金融保险中的应用

在利财立诉复用极值理论进行风险管理时，首先必须对极值事件的统计规律进行分析，得出极值分布中各个参数和高分位数的估计，来自这时本书的极值估计方法就派上了用场。本书作者首先系统地研究了极值估计的方法，从数学证明和计算机随机模拟两个方面验证模型，然后，将估计理论应用于金融、保险中，360百科对金融、保险中的极值事件建立模型，并以我国实际的股票收益率数据和医疗及巨灾保险索都花宣己赔数据进行实证分析，达跟镇流到了对金融、保险中的极值风险进行有效度量的目的理。作者的上述研究以极值估计为基础，不仅有理论上的创新，也有历史经验数据的支持。

• 中文名 极值估计在金融保险中的应用
• 出版社 中国经济出版社
• 出版时间 第1版 (2006年4月1日)
• 装帧 平装
• 开本 32开

基本相信

　　作 者:欧阳资生著

　　ISBN:9787501774333 出版时间:2006-04-01

　　版 次:1

　　页 数:231

　　所属分类:图书 > 科学与自然 > 数学

内容简介

　　在利用极值理论进行风险管理时，首先必须对极值事件的统计规律进行分析，得出极值分布中各个参数和高分位数的估计，这时本书的极值估计方法就派台作绿基上了用场。本书作者首先系统地研究了极值估计的方法，从数来自学证明和计算机随机模拟两个方面360百科验证模型，然后，将估计理论应用于金融、保险中，对金融、保险中的极值事件建立模型，并以我国实唱烧取变度析茶取八终际的股票收益率数据和医疗及巨灾保险索赔数据进行实证分析，达到了对金融、保险中的极值风险进行有效度量的目的。作者的上述研究以极值估计为基础，不仅有理论上的创新，也有历史经验数据的支持。

　　如何准确刻画金融、保险中极值事件，度量金融、保险业所面临的极值风险，一直是金融监管者、保险精算师关注的问题。极值理论的不断深化和发展为度量这种极值风险提供了一个很好的平台。在利用极值理论进行风险管理时，首先必须对极值祖事件的统计规律进行分析，得出极值分布中各个参数和高分位数的估计，这时本书的极值估计方法就派上了用场。本书首先系统地研究了极值估计方法，从数学证明和计算机随机模拟两个方面验证了模型，然后将估计理论应用于金融、保险中，针对金融、保险中的极值事件建立模型，并以我国实际的股票收益率数据、医疗案座圆未政专续用非实原和巨灾保险索赔数据为样本进行实证分析，达到对金融象其械但茶阳善、保险中的极值风险迅代吧西马元则亮赶进行有效度量的目的。本书可供统计、风险管理队主侵似始具社离赵粉星和保险精算人员阅读。

目录

　　序言

　　第一章 引言

　　1.1 洋米落践少为层分研究意义与国内外研究综述

　　1.2 本书研究的主要内容、方法和创新

　　第二章 极菜缩果控照须值分布的基本理论

　　2.1 渐进模型

　　2.2 分布的粒极值指数的估计

　　2.3 最小值的渐进模型

　　第三章 修正培切片带宽她细块永的Piuckands估计门限值的自助估计方法

　　3.1 极值指数的修正的Pickands估计

　　3.2 主要结果

　　3.3 跑可跳能短自助法的实现步骤

　安位不总复流控际　3.4 定理的证明

　　第四章 基于指数回归模型的极值估计的门限值的选择方法

　　4.1 问题的提出

　　4.2 自适应的门限值的选择方法

　　4.3 基于指数回归模型的矩估计的门限值的选择

　　第五章 一种概率分布的高分位数的最优估计

　　5什达部.1 高分位数估计的几种常用方法回顾

　　5.2 主要苦面题板更景重拉结果

　　5.3 定理的证明

　　第六章 小样本情形下适度删失时的械法造满整精演适道极值指数估计

　　强父6.1 删失情形下的极值指数的估计

　　6.机身参极制室预夫胞机2 删失情形下的极值指数的WLS估计

　　6.3 模拟研究

　　6.4 WLS估计与指数回归模型结果的比较

　　第七章 极值估计在度量极值风险中的应用

　　7.1 传统的度量风险的工具和最新进展

　　7.2 GPD模型的VaR

　　7.3 指数回归模型的VaR

　　7.4 模型选择与VaR估计

　　7.5 广义极值分布模型(GEV)度量极值风险

　　7.6 极值理论在信用资产组合管理中的应用

　　7.7 二元相依极值风险的Copula度量简介

　　第八章 大的索赔数据的广义Pareto分布拟合

　　8.1 问题的提出

　　8.2 数据的描述

　　8.3 统计模型

　　8.4 模型的一些应用

　　第九章 贝叶斯极值估计及其在信用估计中的应用

　　9.1 问题的提出

　　9.2 负二项-Pareto分布模型

　　9.3 全Paretian模型参数的贝叶斯估计和贝叶斯信用估计

　　9.4 随机模拟与实例分析

　　参考文献

　　后记

文摘

　　书摘

　　信用风险管理中，经济资本(也称为风险资本)经常对银行承担的违约非

　　预期损失风险起到缓冲作用，它等于资产组合非预期损失的倍数。所以，在

　　对估计的波动性所使用的置信区间进行估算时，"资本乘数"的确定非常关

　　键，因而最重要的是通过损失分布的尾部特征获得发生"极端损失"的概率

　　。如何选择损失分布是一个重要的问题。目前，业界一般还是选取正态分布

　　作为损失分布，但是，遗憾的是，银行的资产组合主要由信用资产构成，其

　　损失分布显然不服从正态分布。事实上，银行信用资产组合具有很高的偏度

　　和峰度，因此，市场中信用资产组合服从正态分布的基础假设也是不恰当的

　　。

　　确定资本乘数的一种方法是用已知的分布来拟合组合的实际损失分布。

　　实际中更经常的做法是把拟合和蒙特卡罗模拟结合起来，即用一个分析性的

　　分布来拟合模拟的损失分布，比如Beta分布、逆高斯分布等。用已知的分析

　　性分布来拟合实际的分布，关键是要选取合适的分布形式。在拟合这些极端

　　"尾部事件"方面，有许多可供选择的概率分布函数，如Beta分布、柯西分

　　布、Gumbel分布、Pareto分布等。重要的一点是，在所有这些分析性的分布

　　形式中，我们真正需要的不是样本均值这样的统计量的值，而是分布的尾部

　　。对于不同的分布，分布的尾部部分也会显著地不同。

　　同时，我们注意到，银行通过经济资本来抵御破产风险。为了维持与所

　　担风险相称的资本水平，银行必须能够确定与意愿的信用评级相匹配的置信

　　水平。换句话说，如果银行想得到更高的信用评级，在计算和准备经济资本

　　时，必须针对损失概率采取更高的置信水平，采用更大的经济资本乘数。例

　　如，如果银行愿意的信用评级是AA级，就必须采用99.97%的置信水平。