你可能感兴趣的试题
方差——协方差法 历史模拟法 标准法 蒙特卡罗模拟法
需要繁杂的电脑技术和大量的复杂抽样 涵盖非线性资产头寸的价格风险、波动性风险 对于代表价格变动的随机模型，若是选择不当，会导致模型风险的产生 模拟所需的样本数必须要足够大，才能使估计出的分布得以与真实的分布接近
样本数据的多少 样本数据的平均水平
样本数据的离散程度 样本数据在各个小范围内数量的多少
历史模拟法的透明度高、直观，对系统要求相对较低 对数据样本选择区间较为敏感，可能包括极端的价格波动，也可能排除极端情况 使用时需要假设数据的分布及计算波动率、相关系数等模型参数 可以全面反映风险因素和组合价值的各种关系，是基于全定价估值的模拟方法
VaR值的局限性包括无法预测尾部极端损失情况等 VaR值是对未来损失风险的事后预判 VaR的计算涉及置信水平与持有期 计算VaR值的基本方法有方差一协方差法、历史模型法、蒙特卡罗模拟法
对于样本数据增加时，频率分布表不能增加变化 对于样本数据增加时，茎叶图不能增加变化 对于样本数据增加时，频率折线图不会跟着变化 对于样本数据增加时，频率分布直方图变化不太大
一个样本各观测值的分布 总体中各观测值的分布 样本统计量的分布 样本数量的分布
用来描述样本数据的离散趋势 一定是总体或样本中的某一个数据 代表样本数据中等水平 代表样本数据平均水平 不受样本中极端值的影晌
参数法以风险因子收益率服从某种概率分布为假设 历史模拟法根据历史样本分布求出风险价值 历史模拟法需要在事先确定风险因子收益率概率分布 蒙特卡洛模拟法需要事先知道风险因子的概率分布模型
历史模拟法事先确定风险因子收益或概率分布，利用历史数据对未来方向进行估算 历史模拟法通过风险因子的概率分布模型，继而重复模拟风险因子变动的过程 历史模拟法可以根据历史样本分布求出风险价值，组合收益的数据可以利用组合中投资工具收益的历史数据求得 历史模拟法以风险因子收益率服从某特定类型的概率分布为假设，依据历史数据计算出风险因子收益率分布的参数值
样本均值是样本数据中出现频率最高的值 样本均值通常小于样本中位数 样本均值是反映样本数据集中位置的统计量 样本均值不易受样本数据中极端值的影响 样本均值是总体均值的无偏估计量
数据标准差越小，样本数据分布越集中、稳定. 数据平均数越小，样本数据分布越集中、稳定 数据极差越小，样本数据分布越集中、稳定 数据方差越小，样本数据分布越集中、稳定
可涵盖非线性资产头寸的价格风险、波动性风险 可处理时间变异的变量、厚尾、不对称等非正态分布和极端状况等特殊情景 可以计算信用风险 计算所需样本数据少，简化了计算量
数据极差越小，样本数据分布越集中、稳定 数据平均数越小，样本数据分布越集中、稳定 数据标准差越小，样本数据分布越集中、稳定 数据方差越小，样本数据分布越集中、稳定
历史模拟法通过风险因子的概率分布模型，继而重复模拟风险因子变动的过程 历史模拟法假设风险因子收益率服从某特定类型的概率分布，依据历史数据计算出风险因子收益率分布 历史模拟法可以根据历史样本分布求出风险价值，组合收益的数据可以利用组合中投资工具收益的历史 历史模拟法事先确定风险因子收益或概率分布，利用历史数据对未来方向进行估算
历史模拟法依据历史数据计算出风险因子收益率分布的参数值 由于历史模拟法是以发生过的数据为依据的，投资者容易接受该种方法对未来的预测 利用历史模拟法可以根据历史样本分布求出风险价值，组合收益的数据可利用组合中投资工具收益的历史数据求得 历史模拟法十分简单，因为该种方法无须在事先确定风险因子收益或概率分布，只需利用历史数据对未来方向进行估算
无法预测尾部极端损失情况 无法预测单边市场走势极端情况 无法预测市场非流动性因素 可以考虑不同的风险因素,不同投资组合（产品）之间风险分散化效应 无法成为业界和监管部门计量监控市场风险的主要手段
方差——协方差法 历史模拟法 标准法 蒙特卡罗模拟法
湘公网安备 43130202000226号