历史模拟法 介绍 PPT
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
历史模拟法更可以勾勒出资产报酬分配常见的厚 尾、偏态、峰态等现象，因此计算历史价格的时间 （与资料的多寡有关）是影响风险值的一个重点。
历史模拟法的优点
1.不需要加诸资产报酬的假设 利用历史资料，不需要加诸资产报酬的假设，可以较精确
反应各风险因子的机率分配特性。
2.不需分配的假设 历史模拟法是属于无母数法的一员，不须对资产报酬的波
过去天数
损益变化量
1
1.1
2
1.2
3
1.4
…
…
100
1.3
101
0.9
如何使用历史模拟法？
3.计算报酬率
(S2-S1/S1、S3-S2/S2…S101-S100/S100)
第N种情况 1 2 3 … 4 5
报酬率 9.09% 16.6% 8.2%
… -5.2% 3.04%
如何使用历史模拟法？
6.所以VaR= $25,500，因此明日在95%的机率下， 损失不会超过$ 25,500元。
影响风险值的重点
使用历史模拟法要有大量的历史资料，才有办法 精确的叙述在极端状况下（如99%的信赖水准）的风 险值 。
历史资料中能捕捉到的极端损失的机率低于正常 损益的机率，量多而且具有代表性的资料的取得就相 对重要。
历史模拟法的步骤
如何使用历史模拟法？
例子：假设今日以60元买入鸿海的股 票10张共60万元，我们只可以找到过 去101个交易日的历史资料，求在95% 信赖水准之下的日风险值为何？
如何使用历史模拟法？
1.搜集过去101日鸿海每日收盘价资料。
如何使用历史模拟法？
2.计算每日的价格损益变化量 (S2-S1、S3-S2…S101-S100)
历史模拟法的缺点
2.因子的变动假设 未来风险因子的变动会与过去表现相同的假设，不一
定可以反映现实状况。
பைடு நூலகம்
3.资料选取的长度 虽然资料笔数要够多才有代表性，但是太多久远的资
料会丧失预测能力，但是过少的时间资料又可能会遗失过 去曾发生过的重要讯息，两者的极端情况都会使历史模拟 法得所到的风险值可信度偏低，造成两难的窘境。
动性、相关性做统计分配的假设，因此免除了估计误差的问题。
3.完全评价法 不需要利用趋近求解的观念求取进似值；因此无论资产或
投资组合的报酬是否为常态或线性，波动是否随时间而改变等 等，皆可采用历史模拟法来衡量其风险值。
历史模拟法的缺点
1. 资料的品质与代表性 庞大历史资料的储存、校对、除错等工作都需要
谢谢观看
4.由小到大排列报酬率，取倒数第五个报酬率（因为 信赖水准为95%），为-4.25%。
第N种情况 23 56 72 4 86 78
报酬率 -10.33% -8.75% -6.6% -5.2% -4.25% -4.02%
如何使用历史模拟法？
5.目前资产价格乘临界报酬率 -4.25% * 600,000 =-$25,500
什么是历史模拟法？
历史模拟法﹙Historical Simulation﹚是由实际
的历史资料，来推估未來价格可能的变动情形。此法
利用投资组合內各风险因子﹙如股价、利率、汇率等
﹚之历史观察值，模拟投资组合未来价格变动的几率
分配，从而计算出其VaR。
VaR(Value at Risk)按字面解释就是 “在险价值”，其含义指：在市场 正常波动下，某一金融资产或证券 组合的最大可能损失。更为确切的 是指，在一定概率水平（置信度） 下，某一金融资产或证券组合价值 在未来特定时期内的最大可能损失。
历史模拟法的步骤
3、步骤2代表的是该资产在未来一天损益的可能 情况，共有N种可能情形，将变化量转换成报酬率༌ 就可以算出N种的可能报酬率，也就是
历史模拟法的步骤
4、将步骤3的报酬率由小到大依序排列，并依照不 同的信赖水准找出相对应分位数的临界报酬率。
5、将目前的资产价格Si(0)乘以步骤4的临界报酬率， 得到的金额就是使用历史模拟法所估计得到的风 险值
历史模拟法的步骤
假设现在的时间为t=0 Si(t)为某资产在时间t的价格
1、选取过去N+1天 某资产的价格作为模拟资料； 例如：首先找出过去一段时间（假设是201天）的股票 收盘价：Si(−1) Si(−2)…Si(−200)、Si(−201)
2、将过去彼此相邻的N+1笔价格资料相减，就可以求得 N笔该资产每日的价格损益变化量； 例如：Δ 1=Si(−1)−Si(−2)、Δ 2=Si(−2)−Si(−3)、 Δ 200=Si(−200)−Si(−201)
庞大的人力与资金来处理，如果使用者对于部位大小 与价格等信息处理、储存不当，都会产生垃圾进，垃 圾出的不利结果。
有些标的物的投资信息取得不易，例如未上市公 司股票的价格、新上市（柜）公司股票的历史资料太 短、有的流动性差的股票没有每日成交价格等。
若某些风险因子并无市场资料或历史资料的天数 太少时，模拟的结果可能不具代表性，容易有所误差。
历史模拟法的优点
1.不需要加诸资产报酬的假设 利用历史资料，不需要加诸资产报酬的假设，可以较精确
反应各风险因子的机率分配特性。
2.不需分配的假设 历史模拟法是属于无母数法的一员，不须对资产报酬的波
过去天数
损益变化量
1
1.1
2
1.2
3
1.4
…
…
100
1.3
101
0.9
如何使用历史模拟法？
3.计算报酬率
(S2-S1/S1、S3-S2/S2…S101-S100/S100)
第N种情况 1 2 3 … 4 5
报酬率 9.09% 16.6% 8.2%
… -5.2% 3.04%
如何使用历史模拟法？
6.所以VaR= $25,500，因此明日在95%的机率下， 损失不会超过$ 25,500元。
影响风险值的重点
使用历史模拟法要有大量的历史资料，才有办法 精确的叙述在极端状况下（如99%的信赖水准）的风 险值 。
历史资料中能捕捉到的极端损失的机率低于正常 损益的机率，量多而且具有代表性的资料的取得就相 对重要。
历史模拟法的步骤
如何使用历史模拟法？
例子：假设今日以60元买入鸿海的股 票10张共60万元，我们只可以找到过 去101个交易日的历史资料，求在95% 信赖水准之下的日风险值为何？
如何使用历史模拟法？
1.搜集过去101日鸿海每日收盘价资料。
如何使用历史模拟法？
2.计算每日的价格损益变化量 (S2-S1、S3-S2…S101-S100)
历史模拟法的缺点
2.因子的变动假设 未来风险因子的变动会与过去表现相同的假设，不一
定可以反映现实状况。
பைடு நூலகம்
3.资料选取的长度 虽然资料笔数要够多才有代表性，但是太多久远的资
料会丧失预测能力，但是过少的时间资料又可能会遗失过 去曾发生过的重要讯息，两者的极端情况都会使历史模拟 法得所到的风险值可信度偏低，造成两难的窘境。
动性、相关性做统计分配的假设，因此免除了估计误差的问题。
3.完全评价法 不需要利用趋近求解的观念求取进似值；因此无论资产或
投资组合的报酬是否为常态或线性，波动是否随时间而改变等 等，皆可采用历史模拟法来衡量其风险值。
历史模拟法的缺点
1. 资料的品质与代表性 庞大历史资料的储存、校对、除错等工作都需要
谢谢观看
4.由小到大排列报酬率，取倒数第五个报酬率（因为 信赖水准为95%），为-4.25%。
第N种情况 23 56 72 4 86 78
报酬率 -10.33% -8.75% -6.6% -5.2% -4.25% -4.02%
如何使用历史模拟法？
5.目前资产价格乘临界报酬率 -4.25% * 600,000 =-$25,500
什么是历史模拟法？
历史模拟法﹙Historical Simulation﹚是由实际
的历史资料，来推估未來价格可能的变动情形。此法
利用投资组合內各风险因子﹙如股价、利率、汇率等
﹚之历史观察值，模拟投资组合未来价格变动的几率
分配，从而计算出其VaR。
VaR(Value at Risk)按字面解释就是 “在险价值”，其含义指：在市场 正常波动下，某一金融资产或证券 组合的最大可能损失。更为确切的 是指，在一定概率水平（置信度） 下，某一金融资产或证券组合价值 在未来特定时期内的最大可能损失。
历史模拟法的步骤
3、步骤2代表的是该资产在未来一天损益的可能 情况，共有N种可能情形，将变化量转换成报酬率༌ 就可以算出N种的可能报酬率，也就是
历史模拟法的步骤
4、将步骤3的报酬率由小到大依序排列，并依照不 同的信赖水准找出相对应分位数的临界报酬率。
5、将目前的资产价格Si(0)乘以步骤4的临界报酬率， 得到的金额就是使用历史模拟法所估计得到的风 险值
历史模拟法的步骤
假设现在的时间为t=0 Si(t)为某资产在时间t的价格
1、选取过去N+1天 某资产的价格作为模拟资料； 例如：首先找出过去一段时间（假设是201天）的股票 收盘价：Si(−1) Si(−2)…Si(−200)、Si(−201)
2、将过去彼此相邻的N+1笔价格资料相减，就可以求得 N笔该资产每日的价格损益变化量； 例如：Δ 1=Si(−1)−Si(−2)、Δ 2=Si(−2)−Si(−3)、 Δ 200=Si(−200)−Si(−201)
庞大的人力与资金来处理，如果使用者对于部位大小 与价格等信息处理、储存不当，都会产生垃圾进，垃 圾出的不利结果。
有些标的物的投资信息取得不易，例如未上市公 司股票的价格、新上市（柜）公司股票的历史资料太 短、有的流动性差的股票没有每日成交价格等。
若某些风险因子并无市场资料或历史资料的天数 太少时，模拟的结果可能不具代表性，容易有所误差。