【摘要】：通过以上研究，可得到基于交易收益和非交易收益的综合VaR值，但相对而言，交易收益和非交易收益对综合风险的贡献如何，现有研究并没有具体给出。为此，下文将着力测度交易和非交易时间对综合风险的贡献。M-VaR和C-VaR是用来描述权益组合中，各成分对组合风险的影响。由此可见，估计成分风险的关键是估计边际风险。基于成分VaR的数值结果，可以在rp∈的观测集中获得所有的ri值。
通过以上研究，可得到基于交易收益和非交易收益的综合VaR值，但相对而言，交易收益和非交易收益对综合风险的贡献如何，现有研究并没有具体给出。为此，下文将着力测度交易和非交易时间对综合风险的贡献。
式中：i＝1，2分别为交易收益和非交易收益；rp为交易和非交易时段收益的组合收益；VaRp为交易和非交易的综合VaR。
由此，交易收益和非交易收益的成分VaR的测度公式可表示为
式中：i＝1，2分别表示交易收益和非交易收益。
由此可见，估计成分风险的关键是估计边际风险。基于Hallerbach（1999）提出的边际VaR的测度方法，黄黎、杨永愉（2007）给出了改进方法[8]，即根据不同的θ（0＜θ＜1），在样本集合rp∈［-VaRp-θVaRp，-VaRp＋θVaRp］中选取不同的N个样本。在样本j中，rp，j与-VaRp的距离越小，ri，j就越能代表rp＝-VaRp时ri的情况，故赋予ri，j的权重也就越大。基于这一思想，交易收益和非交易收益的MVaRi估计式可表示为
式中：ri，j为样本j下第i（i＝1，2）个收益（i＝1表示交易收益，i＝2表示非交易收益）；mj为其权重，若rp，j≠-VaRp，则有
基于成分VaR的数值结果，可以在rp∈（-∞，-VaRp）的观测集中获得所有的ri值。进一步地，成分VaR的贡献比率（percentage of C-VaR，PCVaR）可表示为
式中：i＝1，2分别表示交易收益和非交易收益。
而且，交易和非交易时段的边际期望损失如下
式中：ri，j是j观测下第i个时段的收益率。
与此同时，基于Copula-VaR的交易和非交易时段的成分预期损失（C-ES）如下
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
