Bayesian Estimation for the Parameters of Generalized Pareto Distribution through MCMC and Its Application

摘要

风险值(VaR)作为一种度量金融风险的工具，其作用越来越受到人们的重视，然而怎样准确的计算VaR一直是一个难题.极值理论是分析极端事件的一个有效方法，广义帕累托分布是极值理论的一种类型并且被用来描述超出某一门限的量的分布情况.贝叶斯推断是结合了先验信息和样本信息的一种统计推断方法，马尔可夫链蒙特卡洛模拟是构造一个平稳分布为π(θ|X)的马尔可夫链，然后运行足够的长度，使得过程的分布和平稳分布足够的近似.在本文中，我们将总体的分布分段来考虑，中间部分用t分布，两端部分用广义帕累托分布来拟合数据，然后利用贝叶斯方法得到后验分布的核，使用MCMC方法来估计广义帕累托分布的参数，最后结合沪深300指数...