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.     

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。     

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。     

风险度量ES半参数模型估计及其应用

预期不足或称期损(Expected Shortfall,ES)是近几年发展起来的重要风险度量工具,对其进行建模和估计是统计学和金融计量经济学研究的前沿问题之一.本文基于平均剩余寿命模型提出一种ES估计的半参数模型,并使用广义估计方程(GEE)的方法估计参数.同时建立了严平稳α混合相依序列下参数估计的大样本理论.本文模型的意义在于可以研究资产组合的风险来源以及各风险因素对ES大小的影响程度.最后,将本文的模型应用到金融股票市场的风险评估中,结果表明此模型可以对某些金融市场现象作出合理的解释,是一个灵活且合理的金融计量统计模型.     

逐段非趋势波动分析方法及我国证券市场的实证研究

为了研究金融时间序列在不同时段波动的持久性特征,本文提出了一种逐段非趋势波动分析方法。该方法首先建立多阶段分割动态规划模型对时间序列进行分割,随后对各子序列逐段进行非趋势波动分析。对我国证券市场的七个主要指数的实证研究结果表明,本文提出的逐段非趋势波动分析方法能够有效揭示股票指数持久性特征随时间变化的现象,也有助于更深入的比较不同指数间持久性特征的相似程度。     

金融风暴中基于非参估计VaR和ES方法的风险度量

文中利用VaR和ES几个最新的非参数估计方法,对几个常见指数(上证指数、深成指数、恒生指数和道琼斯指数)及个别关系经济民生的板块(钢铁板块、房地产板块和金融板块)做实证分析,来研究金融危机对整个市场及一些重要板块的影响。实证发现:存在着金融危机爆发前风险被低估及金融危机爆发后风险得到释放的现象;用基于非参数估计的VaR和ES来度量单个指数的风险,虽然风险值存在一些差别,但判断指数风险在金融危机前后的变化,二者得出的结论是一致的。     

沪市股票风险与收益关系实证研究

由于我国股票市场每日报酬时间序列的非正态性和厚尾性,且呈现波动集群性,基于正态假设的静态模型存在很大的缺陷,而Arch类模型具有很好的处理厚尾的能力,能较好的描述股价等金融变量的波动特征,因此将Garch-M模型引入,通过实证分析,结果表明,Garch-M模型能显著提高预测的准确性.     

基于分形理论的金融系统波动行为分数维理论计算

运用分形理论中分数维的定义和方法,对金融系统的波动行为进行了描述和研究,并且对金融系统中的时间序列数据介绍了两种分数维理论计算方法.     

基于Hilbert-Huang变换的金融收益政策风险因子识别方法

针对政策可能对金融收益产生风险问题,提出了基于Hilbert-Huang变换方法的政策风险因子识别检测方法。通过经验模态分解,Hilbert-Huang频谱分析得到金融时间序列的时域和频域特征,通过与量化处理后的政策进行匹配得到政策产生的异常波动情况,从而实现对政策因子风险的识别与处理。研究结果对于探究宏观政策对金融收益的影响具有重要参考意义。最后以国家房地产调控政策与地产指数为算例,发现本研究提出的方法识别精度高,具有非常好的应用前景。     

基于多主体的股市模型不同市场形态下的标度行为

利用理论分析和计算机仿真相结合的方法研究一个随机多主体的股市模型,理论分析得到基础价值均衡、非基础价值均衡、周期和混沌四种市场形态的典型参数设置,基于多主体的计算机仿真产生对应参数的价格序列.对此数据的统计分析发现:股市的所有市场形态都呈现收益率分布和波动时间依赖的标度行为,其中基础价值均衡形态下收益率累积分布指数和波动时间依赖的自相似指数最大,非基础价值均衡形态下两指数最小,周期和混沌形态下居中.