资产组合非等间隔日内在险价值研究

当前对资产组合在险价值(VaR)的研究仅限于等间隔抽样数据的建模。本文提出资产组合的非等间隔日内在险价值(Irregularly Spaced Intraday Value at Risk,ISIVaR)研究方法,克服资产组合逐笔交易数据非等间隔且不同步问题,利用逐笔交易数据所包含的丰富市场微观结构信息对VaR进行估计。该方法基于更新时间方法将非同步的资产组合标值序列同步化;运用Copula理论建立资产组合的非等间隔日内波动率模型,并捕捉资产组合中各资产在截面上的相关关系;最后利用这种截面相关关系,使用蒙特卡洛模拟技术估计出资产组合的ISIVaR。实证部分利用真实的逐笔交易数据验证了上述方法的有效性。     

金融风险管理中VaR度量的光滑估计效率

本文研究了金融风险管理理论中风险价值(VaR)的非参数核光滑估计和经验估计的效率问题.对非独立的时间序列损失/收益样本,在均方误差(MSE)准则的意义下引入亏量的概念,亏量越大表明估计效率越低.并利用亏量对VaR模型的核光滑估计和基于样本分位数的经验估计进行了比较,在理论上证明了VaR模型的核光滑估计优于经验估计.同时,通过计算机模拟证实了理论获得的结论.本文还对国内沪深两市上的证券投资基金进行了实证分析,计算了样本基金的VaR风险度量的经验估计和核光滑估计,并计算了样本基金基于周收益率和VaR估计的风险调整收益(RAROC)值,以此对样本基金的业绩做出了有用的评价.     

基于Bootstrap方法的VaR区间估计

本文介绍了非参数方法中基于自助法的三种区间的估计方法,并将它们应用到金融资产的VaR计算上.自助法很好地克服了历史模拟法的一些局限性.本文对上证综合指数(IA0001)进行了VaR计算的实证分析,计算了VaR点估计和区间估计,并比较了几种计算方法各自的特点,得出了一些有意义的结果.     

基于Skewed-t分布的FIGARCH模型与VaR的度量

金融资产收益率序列的波动具有典型的尖峰厚尾和非对称性特征,描述这种特性需以合适的概率分布函数为基础.因此,寻求更好的概率分布函数对风险度量、VaR的计算有着十分重要的意义.有鉴于此引入Skewed-t分布度量VaR,并比较分析了RiskMetrics及FIGARCH类模型度量VaR值的准确程度,本文同时分析了多头头寸和空头头寸情况下的VaR.结果表明,在两种头寸情况下,Skewed-t分布在空头和多头情形对资产厚尾特性以及非对称性的拟合效果均要比正态分布好;在两种头寸中不同的置信水平下,FIAGARCH(CHUNG)模型预测的VaR值改进了使用传统模型的精确性,高估或低估风险的程度较轻.     

新资本协议下基于半参数估计的商业银行市场风险VaR研究

VaR(Value at Risk)是商业银行市场风险管理的重要方法。本文提出了一种基于组合权重伪似然函数的VaR半参数估计方法,选取股票市场数据进行实证分析,并依据新资本协议对市场风险内部模型法的要求及其它VaR检验准则检验了模型结果。结果表明,相对常用VaR模型及改进之前的模型,此方法在多种检验标准下都具有明显优势。     

基于因子隐马尔可夫模型的VaR与ES联合预测

VaR和ES是衡量金融资产风险的重要测度,对风险控制和金融危机的识别具有重要意义。本文以CAViaR模型为基础,通过因子隐马尔可夫模型构造潜变量,作为CAViaR模型的回归系数的组成部分,最终提出了一个含潜变量的VaR和ES联合估计方法(FHM-CAViaR),实现了VaR和ES的联合预测。在该模型中,潜变量由一个因子隐马尔可夫模型驱动,可以刻画市场信息对模型系数带来的长期效应与短期冲击,该因子隐马尔可夫模型的引入实现了分位数回归模型参数在上百个状态间的转换。最后,基于本文提出的FHM-CAViaR模型分别对上证综指、深证综指和纳斯达克指数的对数收益率数据进行实证分析。实证结果表明,本文提出的模型具有更优的预测效果。此外实证结果还表明,在危机期间VaR的序列聚集性有着显著的增加。本文提出的模型可以通过潜变量的变化识别市场的机制变换,且能更精确地对金融资产的VaR以及ES进行估计,给出金融风险度量一种新的研究方法。     

基于相对VaR的信用担保两期定价模型

基于风险价值(VaR)计量模型的信用担保定价方法包括绝对VaR和相对VaR两种方法.对于贷款期限一年以上的风险衡量,相对VaR比绝对VaR更加准确和接近现实.针对现有研究中基于绝对 VaR的只考虑原债务期的信用担保风险计量模型的缺陷,本文采用相对VaR方法,建立了既考虑企业对银行的原债务期风险,又考虑企业对担保机构的债务展期风险的信用担保两期定价模型,从而使基于VaR模型的信用担保定价方法更加科学合理.     

卖空限制下知情交易的测度及识别研究

经典的测量知情交易概率的模型默认交易者可以无限制的按照私有信息进行卖空交易,而目前我国股票市场存在卖空限制,直接将经典模型应用到我国股票市场时会使测量结果出现偏差。考虑到我国股票市场现状,本文在经典的知情交易概率模型中引入两个卖空限制参数,构建了本文的SC-TPIN模型。通过对融券标的中发生利空消息的股票样本进行实证分析,证实了本文构建的SC-TPIN模型估计出的结果与实际情况相符合。本文还以SC-TPIN模型估计出的SCTPIN值为参照,基于样本股票的低频数据构建了知情交易识别指标组,并使用数据挖掘中的支持向量机算法、KNN算法及Logit模型对黑白样本的知情交易高低情况进行识别比较,构建知情交易识别体系,发现使用支持向量机算法识别全样本的正确率达到了89%,识别效果较理想。     

基于VaR和ES调整的Sharpe比率及在基金评价中的实证研究

传统Sharpe比率将投资收益的标准差作为风险的度量,而实证研究中更关注基金的损失风险而非全部风险,这是收益标准差所无法准确刻画的。针对传统Sharpe比率的这一缺点,本文考虑了用于度量下方风险的指标风险价值VaR(Value at Risk)和预期不足ES(Expected Shortfall)来替代投资收益的标准差,从而对传统Sharpe比率进行了调整。这里对VaR和ES进行计算时,运用了经验非参数估计和非参数平滑核估计两种方法。此外,本文还考虑了基金收益随时间波动的动态性,用广义自回归异方差GARCH模型对收益波动进行模拟,考察动态的VaR和ES,在实践中以动态的VaR和ES评价风险收益更加灵活。在实证研究中,本文用传统的Sharpe比率、基于VaR和ES的Sharpe比率以及基于条件VaR和条件ES的条件Sharpe比率对国内证券市场上所有26只封闭式基金在2005-2009年间的业绩进行了实证分析,分析了基金在不同指标下所体现的风险控制能力和收益水平的差别,并基于不同指标对所有基金进行了排名。此外,本文还运用协整检验考察基金收益率与市场基准指数是否存在联动关系,检验证明两者并不存在长期的均衡关系。     

APARCH 模型在证券投资风险分析中的应用

本首先描述金融时间序列的一般特性，从收益率的波动性与分布两方面进行考虑，建立起计算时变风险值的VaR—APARCH模型，并应用VaR—APARCH模型在多种分布情形下测算了上证综合指数的风险，结果表明基于GED分布的VaR—APARCH模型能够较好地刻画高频时间序列的尖峰肥尾性及杠杆效应等特性。     

VaR optimal portfolio with transaction costs

We consider the problem of portfolio optimization under VaR risk measure taking into account transaction costs. Fixed costs as well as impact costs as a nonlinear function of trading activity are incorporated in the optimal portfolio model. Thus the obtained model is a nonlinear optimization problem with nonsmooth objective function. The model is solved by an iterative method based on a smoothing VaR technique. We prove the convergence of the considered iterative procedure and demonstrate the nontrivial influence of transaction costs on the optimal portfolio weights.     

均值-VaR模型的一种新解法：鞍点近似、遗传算法

以均值度量收益,方差度量风险的均值.方差模型,广泛应用于资产组合优化.随着对金融风险度量方法研究的不断深入,VaR作为一种简便、易于理解的风险度量方法,在金融企业中得到日益广泛的应用.本文用VaR代替均值-方差模型中的方差,构建了均值-VaR模型应用干投资组合优化.均值-VaR模型是非线性规划,仅当VaR满足凸性和可微性的前提下,满足库恩-塔克条件的解才是全局最优解.本文在CreditRisk+框架下,提出一个在不允许卖空条件下,不需对VaR的性质做出前提假定的新解法:将鞍点近似法用于计算VaR,在资产头寸与VaR之间建立起函数关系,采用遗传算法寻找模型的近似最优解.并用一个债券组合说明该方法的有效性。     

VaR测度下的风险对冲策略研究

本文分别在正态分布和任意分布设定下讨论最小在险价值(VaR)的风险对冲问题。在正态分布设定下,本文深入讨论最小方差对冲比率和最小VaR对冲比率的性质,并得出最小VaR对冲策略下组合收益率的均值和方差大于最小方差策略下组合收益率的均值和方差。在任意分布设定下,本文构建一种新的VaR对冲模型,该模型引入非参数核估计方法对VaR进行估计,然后基于VaR核估计量建立风险对冲问题,实现风险估计与风险对冲同步进行。实证结果非常稳健地表明,不做任何分布假设下的核估计法得到的风险对冲效果优于最小方差对冲策略和正态分布设定下的最小VaR对冲策略。     

从管理风险的角度看金融风险度量

本文得出了连续时间下均值-VaR模型的最优投资策略。在这个最优解的基础上,我们比较说明了概率和分位数作为风险度量方法在管理风险中发挥的作用。我们的分析结果表明:从管理风险的角度出发控制损失发生的概率要比控制损失的水平更为有意义;并且选择的VaR置信度水平越高,监管的效果会越好。     

加权分布模型测算个股VaR

本文在同时考虑企业的个性风险和企业将受到整个国家宏观经济形势影响的共性风险的基础上,用一种新的思路定权数,提出了用加权分布测算个股VaR的模型。并以在深圳股市上市的四家企业的股票收益率做实证分析和模型检验。结果表明:加权分布提高了原来的假设收益率分布服从单一分布下测量VaR的准确度,尤其对于个性风险较强的企业而言,加权分布模型是一种形式简单,而又较为精确的模型。     

极值理论在风险度量中的应用--基于上证180指数

精确度量风险是金融风险管理的关键问题。本引入广义帕雷托分布代替传统的正态分布等，精确描述金融收益的厚尾特征。并将基于广义帕雷托分布的VaR模型和其它模型方法，如GARCH(1，1)、GARCH(1，1)-t、历史模拟法、方差-协方差方法，进行比较分析。实证研究表明，基于广义帕雷托分布的VaR模型比传统的模型方法更适合厚尾分布高分位点的预测，并且其预测结果比较稳定。这使得基于广义帕雷托分布的VaR模型成为VaR度量方法中最稳健的方法之一。     

Estimating Value-at-Risk and Expected Shortfall using the intraday low and range data

Value-at-Risk (VaR) is a popular measure of market risk. To convey information regarding potential exceedances beyond the VaR, Expected Shortfall (ES) has become the risk measure for trading book bank regulation. However, the estimation of VaR and ES is challenging, as it requires the estimation of the tail behaviour of daily returns. In this paper, we take advantage of recent research that develops joint scoring functions for VaR and ES. Using these functions, we present a novel approach to estimating the two risk measures based on intraday data. We focus on the intraday range, which is the difference between the highest and lowest intraday log prices. In contrast to intraday observations, the intraday low and high are widely available for many financial assets. To alleviate the challenge of modelling extreme risk measures, we propose the use of the intraday low series. We draw on a theoretical result for Brownian motion to show that a quantile of the daily returns can be estimated as the product of a constant term and a less extreme quantile of the intraday low returns, which we define as the difference between the lowest log price of the day and the log closing price of the previous day. In view of this, we use estimates of the VaR and ES of the intraday low returns to estimate the VaR and ES of the daily returns. We provide empirical support for the new proposals using data for five stock indices and five individual stocks.     

基于模糊Black-Scholes模型的螺纹钢期权定价

能源金融和大宗商品的衍生品交易已逐渐成为金融领域的前沿热点问题。钢铁类金融衍生品定价和能源金融风险研究,对能源资产证券化和金融的发展有着重要意义。本文在现有的期权定价模型下,结合影响螺纹钢实物期权价格的因素,优化经典的Black-Scholes实物期权定价模型,得到螺纹钢模糊B-S实物期权定价模型,并结合VaR方法,研究螺纹钢实物期权的定价机制,量化钢铁类金融风险,从而合理的控制风险传播。     

基于GARCH族模型的沪深300股指VaR度量

本文在修正了沪深300股票指数收益率序列的非平稳性和自身相关性之后,把ARMA模型与GARCH模型、GJR模型、IGARCH模型、FIGARCH模型、FIEGARCH模型、FIAPARCH模型、HYGARCH模型相结合,然后依次假设残差分布服从正态分布、t分布和偏t分布,来描述沪深300股票指数日对数收益率序列的尖峰厚尾性、杠杆效应和长记忆特性,利用上述模型分别计算沪深300股票指数的VaR值.在空头和多头投资者情况下,不同的波动性模型和不同残差分布的VaR预测有效性差距很大.比较得知,在不同的置信水平下,沪深300股票指数收益率序列空头和多头的VaR预测成功概率比较高的模型有HYGARCH和FIEGARCH这两类具有长记忆性的模型.     

基于Bayes估计的金融风险值——VaR计算

初步研究了用Bayes估计计算金融风险值VaR,同时阐明了运用极值理论方法在Bayes估计下的金融风险值计算。并且借助统计计算方法——MCMC算法来求解参数的Bayes估计,有效的将Bayes思想融入到了VaR的计算中。用Bayes估计计算金融风险值VsR,可以帮助投资者将观测数据和自己所掌握的经验信息对VaR模型进行调整,使得vsR模型能够更准确地反映出金融市场的风险状况,据此做出更加正确的投资决策。