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。     

基于不同分布EGARCH模型的EU ETS价格波动和风险研究

分别基于正态分布、t分布、GED分布假设下的EGARCH模型,考察EUA和CER期货价格收益率的波动特征,并估算期货市场的风险VaR值,利用LR统计量检验VaR,估计值的准确程度.实证结果表明:碳期货收益率存在明显的"尖峰厚尾"特性;碳期货市场存在负的"杠杆效应","利多"的影响小于"利空"的影响;EUA期货市场相比CER期货市场具有更高的风险;EGARCH-GED模型对碳期货市场的风险刻画能力最强,其次是EGARCH-N模型,EGARCH-t模型刻画能力最差.     

基于正则逆Gamma分布和广义极值分布的VaR计算

股指收益率的分布和风险价值(VaR)的计算是证券市场研究的热点问题.本文对来自上证指数和深证成指日收益率采用正则逆Gamma分布和偏T分布(SST)分别进行拟合,对极值序列(周、月极大值和极小值)建立广义极值分布函数。并由此计算VaR值,度量这几种序列的风险价值.结果表明正则逆Gamma分布能更好地拟合日收益率的分布,以及采用周极值收益率的广义极值分布计算VaR值来估计风险较为合理.     

SV-M模型下VaR和ES估计的极值方法

本文对随机波动均值内模型(SV-M)应用极值理论(EVT)的方法估计了金融回报的风险价值(VaR)和期望短缺(ES).用SV-M建模异方差金融回报时间序列,刻画了其波动聚类.用蒙特卡罗极大似然方法(MCL)来估计其参数.我们用基于一般帕累托分布(GPD)的EVT拟合SV-M模型的修正分布尾部,刻画了金融时序分布的肥尾特性.因此,本文的极值方法有效地克服了原有方法的缺陷,综合考虑了金融时序的波动聚类及其分布的肥尾特性,给出了合理的VaR和ES估计,对市场风险测度的研究进行了有益的探讨.     

基于广义双曲线分布的我国股票市场VaR风险度量研究

为更好刻画金融资产收益率偏态厚尾特性,提高VaR风险度量精度。本文首先提出利用广义双曲线(GH)分布对收益率数据进行建模型,从分布尾部特性角度对GH分布和其他常用分布进行了比较研究;其次利用EM算法来解决含有Bessel函数的GH分布的参数估计难问题,并运用随机模拟方法计算VaR值;最后讨论GH分布在我国股票市场VaR风险度量中的应用。     

变点分析与极值指标和SV-t-GPD模型在原油极端风险测度中的应用

引入VaR和ES的极值理论对BRENT原油现货市场的价格风险进行研究,运用变点理论对传统Hill估计方法的阈值选择进行了改进,定量选取阈值,相应降低了因主观判断失误引致的阈值选取误差。针对GPD模型要求金融时序服从独立同分布条件,引入两种方法来消除超阈值的局部相关性:一是结合GPD模型与极值指标;二是基于BRENT收益率序列采用SV-t模型进行过滤处理,建立起度量BRENT市场波动风险的动态VaR和ES模型。实证结果表明:针对BRENT市场极端风险,结合变点分析和极值指标构建的改进型阈值定量模型在风险测度方面具有有效性和精确性。相应地,构建的动态SV-t-GPD模型在测度BRENT极端风险方面具有稳健性。     

沪深300股指期货的风险测度模型研究

以沪深300股指期货指数的30分钟交易数据为例,首先对其价格变化的动力学特征及波动模式进行了全面深入的考察,然后运用严谨系统的后验分析(Backtesting analysis)方法,分别在多头和空头两种头寸状况以及5种不同分位数水平下,实证对比了8种风险测度模型对VaR(Value at Risk)和ES(Excepted shortfall)两种不同风险指标估计的精度差异。研究结果表明:我国股指期货市场的价格波动具有较为明显的有偏和尖峰厚尾分布、聚集特征和长记忆性;采用有偏学生t分布和长记忆模型有助于提高对沪深300股指期货的风险测度精度,而在波动模型中包含杠杆效应项对提高风险估计精度并无太多帮助;在综合考虑了模型对沪深300股指期货价格变化动力学的刻画效果以及对不同风险指标的测度精度等因素后,基于有偏学生t分布的GARCH模型是一个相对合理的风险测度模型选择。     

基于半参数EGARCH模型的VaR和CVaR度量与实证研究

本文主要是运用半参数EGARCH模型研究中国股票市场风险.首先,运用半参数EGARCH模型估计波动率.其次,研究中国股票市场风险,即估计VaR和CVaR值.最后,利用半参数EG;ARCH模型对上证指数进行实证分析。结果表明,半参数EGARCH模型比一般的EGARCH模型能更准确地度量中国股市风险。     

GARCH模型对期铜市场风险的研究

期货市场是一个高风险的市场,因此需要有效地控制并且监管风险。本文以上海期铜市场97年到04年的收盘价格为研究样本,通过拉格朗日检验,发现价格收益率序列服从ARCH过程,在正态、student-t和GED三种分布假设下,估计了GARCH(1,1)模型的参数,结果表明student-t假设下模型的拟和程度较好,然后利用EGARCH(1,1)-M模型检验了上海期铜市场杠杆效应和波动集群效应。最后在两种置信水平下,利用GARCH(1,1)和Risk Metrics方法计算了期铜市场每天的VaR,Kupiec检验表明基于t分布的GARCH(1,1)模型能更准确地反映上海期铜市场的风险。     

基于GAS模型的动态VaR预测效果分析

GAS模型是一种基于观测的动态模型,理论简单且应用灵活,可以直接估计VaR.将GAS模型和GARCH类模型应用于不同条件下生成的模拟数据和三个时间段的沪深300指数的日对数收益率数据,并比较模型关于VaR的预测效果。结果表明:在对称的条件分布下,GAS模型容易高估风险且不稳健,其表现不如GARCH类模型;但在条件分布为有偏的时,GAS模型与GARCH类模型的表现相当,部分情况下会优于GARCH类模型,尤其在实证分析中关于序列2和序列3的VaR的估计,GAS模型的预测效果较好。因此,实际应用中,对于具有较明显偏态分布或尖峰分布的数据可以考虑使用GAS模型预测动态VaR.