A Comparison of the Three MethodsTh

A Comparison of the Three Methods
The VaR numbers derived from the three approaches produce a wide range of
results (Table 7). In this example, the historical simulation method which takes into
account the actual shape of the observed distribution of profits and losses (shown in Figure 3) yields the lowest risk estimates. The variance-covariance method’s
assumption of symmetry around a zero mean gives equal weight to both profits and
losses, resulting in VaR estimates which are slightly higher than those of the
historical simulation approach. The simulation of a bivariate t-distribution results in
VaR estimates which are much larger than the estimates given by the other
two methods. A t-distribution with the same mean and variance as a normal
distribution will have a greater proportion of its probability mass in the tails of the
distribution (in fact, in this case, the t-distribution also has longer tails than the
empirical distribution). The prime focus of a VaR model is the probability of tail
events, hence, the long tails of the t-distribution have a disproportionate effect on
the VaR estimate. It can be seen that this effect becomes more marked the higher
the confidence level. It should be noted that this ranking of results from the
three methods is dependent on the data and also the statistical distribution used
within the Monte-Carlo simulation technique. Other price series exhibiting different
mean, skew and tail characteristics may result in the relative sizes of the three
methods’ VaR estimates being quite different.

ผลลัพธ์ (ไทย) 1:

การเปรียบเทียบวิธีการสามวิธีหมายเลข VaR ที่ได้มาจากวิธีสามผลิตหลากหลายผลลัพธ์ (ตาราง 7) ในตัวอย่างนี้ วิธีการจำลองทางประวัติศาสตร์ที่จะเข้าบัญชีรูปร่างจริงของการกระจายพบของกำไรและขาดทุน (แสดงในรูปที่ 3) ทำให้การประเมินความเสี่ยงต่ำ วิธีการความแปรปรวนความแปรปรวนร่วมอัสสัมชัญของสมมาตรรอบค่าเฉลี่ยเป็นศูนย์ให้น้ำหนักเท่ากันทั้งผลกำไร และขาดทุน ผลประเมิน VaR ซึ่งเป็นเล็กน้อยสูงกว่าผู้วิธีการจำลองประวัติศาสตร์ ผลการจำลองการกระจาย t bivariateVaR ประเมินซึ่งมีขนาดใหญ่กว่าการประเมินที่กำหนดอื่น ๆวิธีที่ 2 แจกแจง t ด้วยค่าเฉลี่ยและความแปรปรวนเป็นปกติเดียวกระจายจะมีสัดส่วนมากกว่าของมวลของความน่าเป็นหางของตัวกระจาย (ในความเป็นจริง ในกรณีนี้ การแจกแจง t มีหางยาวมากกว่านี้การกระจายผล) ความสำคัญของแบบจำลอง VaR เป็นความน่าเป็นของหางเหตุการณ์ ดังนั้น หางยาวของการแจกแจง t มีลักษณะนำการประเมิน VaR จะเห็นได้ว่า ลักษณะพิเศษนี้จะเพิ่มเติมทำเครื่องหมายที่สูงขึ้นระดับความเชื่อมั่นของ ควรสังเกตที่การจัดอันดับของผลลัพธ์จากการวิธีที่สามจะขึ้นอยู่กับข้อมูล และการกระจายทางสถิติที่ใช้ภายในเทคนิคการจำลอง Monte Carlo ชุดราคาอื่น ๆ อย่างมีระดับแตกต่างกันหมายถึง ลักษณะต้นฉบับเอียงอัตโนมัติ และหางอาจทำให้ขนาดที่เปรียบเทียบของทั้งสามVaR ของวิธีประเมินแตกต่าง

ผลลัพธ์ (ไทย) 2:

เปรียบเทียบสามวิธี
หมายเลข VaR มาจากสามวิธีการผลิตที่หลากหลายของ
ผล (ตารางที่ 7) ในตัวอย่างนี้วิธีการจำลองประวัติศาสตร์ซึ่งจะนำเข้า
บัญชีของรูปร่างที่แท้จริงของการกระจายสังเกตของผลกำไรและขาดทุน (แสดงในรูปที่ 3) อัตราผลตอบแทนต่ำสุดประมาณการความเสี่ยง วิธีการแปรปรวนความแปรปรวนของ
สมมติฐานของสมมาตรรอบศูนย์ให้ค่าเฉลี่ยน้ำหนักที่เท่ากันทั้งกำไรและ
ขาดทุนที่เกิดขึ้นในประมาณการ VaR ซึ่งสูงกว่า
วิธีการจำลองประวัติศาสตร์ จำลองของสองตัวแปรผล t-จำหน่ายใน
ประมาณการ VaR ซึ่งมีขนาดใหญ่กว่าประมาณการที่ได้รับจากที่อื่น ๆ
ทั้งสองวิธี เสื้อกระจายที่มีค่าเฉลี่ยที่เหมือนกันและความแปรปรวนเป็นปกติ
การจัดจำหน่ายจะมีสัดส่วนมากขึ้นของมวลความน่าจะเป็นในหางของ
การกระจาย (ในความเป็นจริงในกรณีนี้เสื้อกระจายนอกจากนี้ยังมีหางที่ยาวกว่า
การกระจายเชิงประจักษ์) . การมุ่งเน้นที่สำคัญของรูปแบบ VaR ความน่าจะเป็นของหาง
เหตุการณ์จึงหางยาวของเสื้อกระจายมีผลสัดส่วน
ประมาณ VaR มันจะเห็นได้ว่าผลกระทบนี้จะกลายเป็นเครื่องหมายอื่น ๆ ที่สูงกว่า
ระดับความเชื่อมั่น มันควรจะตั้งข้อสังเกตว่าการจัดอันดับของผลลัพธ์ที่ได้จากนี้
สามวิธีขึ้นอยู่กับข้อมูลและยังกระจายทางสถิติที่ใช้
ในเทคนิคการจำลอง Monte-Carlo ราคาชุดอื่น ๆ ที่แตกต่างกันแสดง
ค่าเฉลี่ยเอียงและลักษณะหางอาจส่งผลให้ขนาดญาติของทั้งสาม
วิธี 'ประมาณการ VaR ความแตกต่างกันมาก

ผลลัพธ์ (ไทย) 3:

การเปรียบเทียบวิธีการสามวิธี
var ตัวเลขที่ได้มาจากสามวิธีผลิตช่วงกว้างของ
ผล ( ตารางที่ 7 ) ตัวอย่าง เช่น การจำลองวิธีการทางประวัติศาสตร์ซึ่งใช้เวลาใน
บัญชีรูปร่างที่แท้จริงของการตรวจสอบการกระจายของกำไรและขาดทุน ( แสดงในรูปที่ 3 ) ผลผลิตต่ำสุด ประเมินความเสี่ยง ความแปรปรวนความแปรปรวนร่วมของ
วิธีสมมติฐานสมมาตรรอบศูนย์หมายถึงให้น้ำหนักเท่ากับทั้งผลกำไรและขาดทุนที่เกิดใน var
, ประมาณการซึ่งเป็นเล็กน้อยสูงกว่าของ
จำลองประวัติศาสตร์ ) การจำลองแบบโดยใช้ทีผล
var ประมาณการซึ่งมีขนาดใหญ่กว่าประมาณให้โดยอื่น ๆ
2 วิธี เป็นทีเดียวกันกับค่าเฉลี่ยและความแปรปรวนเป็นปกติ
การกระจายจะมีสัดส่วนที่มากขึ้นของมวลความน่าจะเป็นในหางของ
แจก ( ในความเป็นจริงในกรณีนี้ ทียังมีหางนานกว่า
การกระจายเชิงประจักษ์ ) การโฟกัสเฉพาะของ วาร์ แบบจำลองความน่าจะเป็นของหาง
เหตุการณ์ ดังนั้น หางยาวของทีมีผลกระทบมหาศาลต่อ
var ประมาณจะเห็นได้ว่าผลกระทบนี้จะกลายเป็นเครื่องหมายสูงกว่า
ระดับความมั่นใจ มันควรจะตั้งข้อสังเกตว่า การจัดอันดับนี้ผลจาก
3 วิธี คือ ขึ้นอยู่กับข้อมูลและสถิติการใช้
ในการจำลองมอนติคาร์โลเทคนิค อื่น ๆชุด ซึ่งราคาแตกต่างกัน
หมายถึง เอียง และหาง ลักษณะอาจส่งผลให้ขนาดญาติของ 3
วิธี ' var ประมาณการแตกต่างกันค่อนข้าง .