单从外观上看，VAR&VaR两个模型很容易混淆，但就模型方法和用处两者截然不同，R语言作为数据分析的有力工具，其函数包库中包含各种各样的统计模型。通过vars包可以调用向量自回归模型，通过PerformanceAnalytics包的VaR函数可以调用风险价值模型。

模型简介

  • library(vars)

    • 向量自回归模型(Vector Autoregression),简称VAR模型，是一种常用的计量经济模型，由克里斯托弗·西姆斯(Christopher Sims)提出。VAR模型是用模型中所有当期变量对所有变量的若干滞后变量进行回归。VAR模型用来估计联合内生变量的动态关系，而不带有任何事先约束条件。它是AR模型的推广，此模型目前已得到广泛应用。

  • library(PerformanceAnalytics)=>VaR()

    • 风险价值模型(Value at Risk)，通常被称作VaR方法。VaR按字面的解释就是“处于风险状态的价值”，即在一定置信水平和一定持有期内，某一金融资产或其组合在未来资产价格波动下所面临的最大损失额。JP.Morgan定义为：VaR是在既定头寸被冲销（be neutraliged）或重估前可能发生的市场价值最大损失的估计值；而Jorion则把VaR定义为：“给定置信区间的一个持有期内的最坏的预期损失”。

向量自回归模型(Vector Autoregression)

VAR模型R语言实例:

library(vars)

library(astsa) #数据包

x = cbind(cmort, tempr, part)

plot.ts(x , main = "", xlab = "")



summary(VAR(x, p=1, type="both"))


##

## VAR Estimation Results:

## =========================

## Endogenous variables: cmort, tempr, part

## Deterministic variables: both

## Sample size: 507

## Log Likelihood: -5116.02

## Roots of the characteristic polynomial:

## 0.8931 0.4953 0.1444

## Call:

## VAR(y = x, p = 1, type = "both")

##

##

## Estimation results for equation cmort:

## ======================================

## cmort = cmort.l1 + tempr.l1 + part.l1 + const + trend

##

##           Estimate Std. Error t value Pr(>|t|)

## cmort.l1  0.464824   0.036729  12.656  < 2e-16 ***

## tempr.l1 -0.360888   0.032188 -11.212  < 2e-16 ***

## part.l1   0.099415   0.019178   5.184 3.16e-07 ***

## const    73.227292   4.834004  15.148  < 2e-16 ***

## trend    -0.014459   0.001978  -7.308 1.07e-12 ***

## ---

## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

##

##

## Residual standard error: 5.583 on 502 degrees of freedom

## Multiple R-Squared: 0.6908,  Adjusted R-squared: 0.6883

## F-statistic: 280.3 on 4 and 502 DF,  p-value: < 2.2e-16

##

##

## Estimation results for equation tempr:

## ======================================

## tempr = cmort.l1 + tempr.l1 + part.l1 + const + trend

##

##           Estimate Std. Error t value Pr(>|t|)

## cmort.l1 -0.244046   0.042105  -5.796 1.20e-08 ***

## tempr.l1  0.486596   0.036899  13.187  < 2e-16 ***

## part.l1  -0.127661   0.021985  -5.807 1.13e-08 ***

## const    67.585598   5.541550  12.196  < 2e-16 ***

## trend    -0.006912   0.002268  -3.048  0.00243 **

## ---

## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

##

##

## Residual standard error: 6.4 on 502 degrees of freedom

## Multiple R-Squared: 0.5007,  Adjusted R-squared: 0.4967

## F-statistic: 125.9 on 4 and 502 DF,  p-value: < 2.2e-16

##

##

## Estimation results for equation part:

## =====================================

## part = cmort.l1 + tempr.l1 + part.l1 + const + trend

##

##           Estimate Std. Error t value Pr(>|t|)

## cmort.l1 -0.124775   0.079013  -1.579    0.115

## tempr.l1 -0.476526   0.069245  -6.882 1.77e-11 ***

## part.l1   0.581308   0.041257  14.090  < 2e-16 ***

## const    67.463501  10.399163   6.487 2.10e-10 ***

## trend    -0.004650   0.004256  -1.093    0.275

## ---

## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

##

##

## Residual standard error: 12.01 on 502 degrees of freedom

## Multiple R-Squared: 0.3732,  Adjusted R-squared: 0.3683

## F-statistic: 74.74 on 4 and 502 DF,  p-value: < 2.2e-16

##

##

##

## Covariance matrix of residuals:

##        cmort  tempr   part

## cmort 31.172  5.975  16.65

## tempr  5.975 40.965  42.32

## part  16.654 42.323 144.26

##

## Correlation matrix of residuals:

##        cmort  tempr   part

## cmort 1.0000 0.1672 0.2484

## tempr 0.1672 1.0000 0.5506

## part  0.2484 0.5506 1.0000

风险价值模型(Value at Risk)

VaR模型R语言实例:

library(PerformanceAnalytics)

data(edhec)

# first do normal VaR calc


VaR(edhec, p=.95, method="historical")

##     Convertible Arbitrage CTA Global Distressed Securities

## VaR              -0.01916    -0.0354             -0.018875

##     Emerging Markets Equity Market Neutral Event Driven

## VaR        -0.044605             -0.006385     -0.02254

##     Fixed Income Arbitrage Global Macro Long/Short Equity Merger Arbitrage

## VaR               -0.00929     -0.01624          -0.02544        -0.013455

##     Relative Value Short Selling Funds of Funds

## VaR      -0.013175      -0.07848      -0.021265

# now use Gaussian


VaR(edhec, p=.95, method="gaussian")

##     Convertible Arbitrage  CTA Global Distressed Securities

## VaR           -0.02645782 -0.03471098            -0.0221269

##     Emerging Markets Equity Market Neutral Event Driven

## VaR      -0.05498927          -0.008761813  -0.02246202

##     Fixed Income Arbitrage Global Macro Long/Short Equity Merger Arbitrage

## VaR            -0.01900198  -0.02023018       -0.02859264      -0.01152478

##     Relative Value Short Selling Funds of Funds

## VaR    -0.01493049   -0.08617027    -0.02393888

# now use modified Cornish Fisher calc to take non-normal distribution into account


VaR(edhec, p=.95, method="modified")

##     Convertible Arbitrage  CTA Global Distressed Securities

## VaR           -0.03247395 -0.03380228            -0.0274924

##     Emerging Markets Equity Market Neutral Event Driven

## VaR      -0.06363081           -0.01134637  -0.02812515

##     Fixed Income Arbitrage Global Macro Long/Short Equity Merger Arbitrage

## VaR             -0.0246791  -0.01548247       -0.03037494      -0.01486869

##     Relative Value Short Selling Funds of Funds

## VaR    -0.01926435   -0.07431463    -0.02502852

# now use p=.99


VaR(edhec, p=.99)

##     Convertible Arbitrage  CTA Global Distressed Securities

## VaR            -0.1009223 -0.04847019           -0.06533764

##     Emerging Markets Equity Market Neutral Event Driven

## VaR       -0.1397195           -0.04404136  -0.06385154

##     Fixed Income Arbitrage Global Macro Long/Short Equity Merger Arbitrage

## VaR            -0.05850228  -0.02437999       -0.05508705      -0.03630211

##     Relative Value Short Selling Funds of Funds

## VaR      -0.050531     -0.122236    -0.05500037

# or the equivalent alpha=.01


VaR(edhec, p=.01)

##     Convertible Arbitrage  CTA Global Distressed Securities

## VaR            -0.1009223 -0.04847019           -0.06533764

##     Emerging Markets Equity Market Neutral Event Driven

## VaR       -0.1397195           -0.04404136  -0.06385154

##     Fixed Income Arbitrage Global Macro Long/Short Equity Merger Arbitrage

## VaR            -0.05850228  -0.02437999       -0.05508705      -0.03630211

##     Relative Value Short Selling Funds of Funds

## VaR      -0.050531     -0.122236    -0.05500037

# now with outliers squished


VaR(edhec, clean="boudt")

##     Convertible Arbitrage  CTA Global Distressed Securities

## VaR            -0.0192821 -0.03380228           -0.02281122

##     Emerging Markets Equity Market Neutral Event Driven

## VaR      -0.05335613          -0.006583541  -0.02588255

##     Fixed Income Arbitrage Global Macro Long/Short Equity Merger Arbitrage

## VaR            -0.01947099  -0.01612116       -0.02997413      -0.01255334

##     Relative Value Short Selling Funds of Funds

## VaR     -0.0147671   -0.07881339    -0.02474761

# add Component VaR for the equal weighted portfolio


VaR(edhec, clean="boudt", portfolio_method="component")

## $MVaR

##            [,1]

## [1,] 0.01206124

##

## $contribution

##  Convertible Arbitrage             CTA Global  Distressed Securities

##           1.189614e-03           7.392667e-05           1.380388e-03

##       Emerging Markets  Equity Market Neutral           Event Driven

##           3.044882e-03           3.255042e-04           1.633369e-03

## Fixed Income Arbitrage           Global Macro      Long/Short Equity

##           1.122597e-03           9.551128e-04           1.725166e-03

##       Merger Arbitrage         Relative Value          Short Selling

##           5.594788e-04           9.422577e-04          -2.647415e-03

##         Funds of Funds

##           1.756359e-03

##

## $pct_contrib_MVaR

##  Convertible Arbitrage             CTA Global  Distressed Securities

##            0.098631120            0.006129276            0.114448260

##       Emerging Markets  Equity Market Neutral           Event Driven

##            0.252451840            0.026987629            0.135422963

## Fixed Income Arbitrage           Global Macro      Long/Short Equity

##            0.093074804            0.079188612            0.143033874

##       Merger Arbitrage         Relative Value          Short Selling

##            0.046386511            0.078122792           -0.219497771

##         Funds of Funds

##            0.145620091

反馈与建议

向量自回归模型VS风险价值模型(VAR&VaR)的更多相关文章

  1. VAR向量自回归模型学习笔记2

    向量自回归模型 今天的你 和昨天的你 和前天的你,是否具有相关性. 1. 定义 向量自回归(VAR,Vector Auto regression)分析联合内生变量间的动态关系 联合:n个变量间的相互影 ...

  2. 《Interest Rate Risk Modeling》阅读笔记——第十章 主成分模型与 VaR 分析

    目录 第十章:主成分模型与 VaR 分析 思维导图 一些想法 推导 PCD.PCC 和 KRD.KRC 的关系 PCD 和 KRD PCC 和 KRC 第十章:主成分模型与 VaR 分析 思维导图 一 ...

  3. 用户价值模型 CITE :https://www.jianshu.com/p/34199b13ffbc

    RFM用户价值模型的原理和应用  ▌定义 在众多的用户价值分析模型中,RFM模型是被广泛被应用的:RFM模型是衡量客户价值和客户创利能力的重要工具和手段,在RFM模式中,R(Recency)表示客户购 ...

  4. 数据分析之客户价值模型(RFM)技术总结

    作者 | leo 管理学中有一个重要概念那就是客户关系管理(CRM),它核心目的就是为了提高企业的核心竞争力,通过提高企业与客户间的交互,优化客户管理方式,从而实现吸引新客户.保留老客户以及将已有客户 ...

  5. VAR模型学习笔记

    目录 1 定义 VAR模型的具体步骤 建模步骤及公式 代码实现 1 定义 VAR模型除了分析自身滞后项的影响外,还分析其他相关因素的滞后项对未来值产生的影响参考 用来分析随机扰动对系统的动态冲击的大小 ...

  6. 市场风险~VaR的概述

    1.概念理解 VaR的含义:Value at Risk 按字面的解释就是"处于风险状态的价值",可译为受险价值.在险价值.风险价值等. 通常解释为:VaR是在一定置信水平和一定持有 ...

  7. JavaScript中var关键字的使用详解

    作用 声明作用:如声明个变量. 语法 ? 1 var c = 1; 省略var 在javascript中,若省略var关键字而直接赋值,那么这个变量为全局变量,哪怕是在function里定义的. ? ...

  8. [Algorithm & NLP] 文本深度表示模型——word2vec&doc2vec词向量模型

    深度学习掀开了机器学习的新篇章,目前深度学习应用于图像和语音已经产生了突破性的研究进展.深度学习一直被人们推崇为一种类似于人脑结构的人工智能算法,那为什么深度学习在语义分析领域仍然没有实质性的进展呢? ...

  9. var object dynamic的区别

    一.var var本身不是一种类型,只是一种语法糖:var声明的变量在赋值的时候即已决定其变量类型,编译时会进行校验. 二.object object是所以类型的基类,故可以赋任何类型的值. 三.dy ...

随机推荐

  1. iOS----Xcode6或者Xcode7设置LaunchImage图标

    最近设置LaunchImage图标时发现怎么都没有效果,后来发现是Xcode6中新建项目的时候会默认添加一个LaunchScreen.xib的文件,我们启动程序的时候也会发现,加载的时LaunchSc ...

  2. EasyUI分页索引不能输入非数字

    //分页索引不能输入非数字 function PagerCheck() { $(".pagination-num").keydown(function (event) { even ...

  3. KnockoutJS 3.X API 第四章 数据绑定(3) 控制流if绑定和ifnot绑定

    if绑定目的 if绑定一般是格式是data-bind=if:attribute,if后所跟属性或表达式的值应为bool值(也可以是非bool值,当非空字符串时则为真),if绑定的作用与visible绑 ...

  4. 优化与扩展Mybatis的SqlMapper解析

    接上一篇博文,这一篇来讲述怎么实现SchemaSqlMapperParserDelegate——解析SqlMapper配置文件. 要想实现SqlMapper文件的解析,还需要仔细分析一下mybatis ...

  5. 快速入门系列--GIT版本控制工具

    由于GIT刚刚开始使用不久,经常会在Merge时出现没有change-id的情况,在结合gerrit使用时,经常出现不能提交的情形,使得自己很困扰.最近有次熬夜加班,在代码完成后,由于多人在很短时间内 ...

  6. 线程池ThreadPoolExecutor、Executors参数详解与源代码分析

    欢迎探讨,如有错误敬请指正 如需转载,请注明出处 http://www.cnblogs.com/nullzx/ 1. ThreadPoolExecutor数据成员 Private final Atom ...

  7. 基于Metronic的Bootstrap开发框架经验总结（7）--数据的导入、导出及附件的查看处理

    在很多系统模块里面,我们可能都需要进行一定的数据交换处理,也就是数据的导入或者导出操作,这样的批量处理能给系统用户更好的操作体验,也提高了用户录入数据的效率.我在较早时期的EasyUI的Web框架上, ...

  8. C++和java多态的区别

    C++和java多态的区别 分类: Java2015-06-04 21:38 2人阅读 评论(0) 收藏 举报  转载自:http://www.cnblogs.com/plmnko/archive ...

  9. TortoiseSVN安装以及淘宝 TAE SDK 开发环境的搭建

    一.TortoiseSVN 的下载和安装 1.进入TortoiseSVN 官网下载地址http://tortoisesvn.net/downloads.html,根据自己的操作系统位数下载相应最新版本 ...

  10. webpack打包压缩工具的使用方法

    具体使用方法参考来源http://www.cnblogs.com/Leo_wl/p/4793722.html 必须注意的地方: 一.webpack在nodejs环境下运行 二,每个目录下都必须有一个w ...