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.     

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.     

不同模型下ES风险度量的计算

给出当金融资产遵从几何布朗运动时期望损失的计算。当金融资产价格的对数收益率服从均值方程为ARMA模型,方差方程为GARCH(s,n)模型,而均值修正后的收益率分别服从正态分布、t分布和GED分布时,给出了期望损失的计算。     

商业银行操作风险的度量——基于非参数方法

在损失分布方法的基础上,本文基于非参数方法对商业银行操作风险的度量进行了研究。非参数方法对损失额的分布不作过多的设定,避免了由于分布误设可能出现的偏差。古典的核密度估计对损失额拟合的效果不太好,特别是尾部的拟合效果更差。变换后的核密度估计的拟合效果比古典的核密度估计改善很多.基于变换后的核密度估计对商业银行操作风险损失度量可以得到不同置信水平的VaR与ES,并且不同置信水平的差距比较大。基于非参数与基于参数方法得到的各个置信水平的VaR与ES有一定差距。     

相依回归模型的参数估计的风险估计

本文给出了相依回归模型的ＯＬＳ估计，ＧＬＳ估计和ＲＧＬＳ估计在二次损失和Ｆｉｓｈｅｒ损失下的风险估计不等式。     

基于次序统计量的ES核估计

本文考虑期望损失ES(Expected Shortfall)的一个新的估计基于次序统计量的核估计,在α-混合序列条件下,给出它的Bahadur表达式和均方误差,并且证明该估计量的渐进正态性.     

欧式期权的收益和风险度量

本文在期权标的资产的市场价格从几何布朗运动模型的假定下，研究根据市场行情度量期权的收益和风险的方法。     

基于Copula-EVT模型的我国股票市场流动性调整的VaR和ES研究

结合相依结构函数Copula和极值理论EVT,构建了我国股票市场经流动性调整的La-Copula-EVT风险价值模型,并用沪深收益序列的分笔高频数据进行了实证分析,发现我国沪深股市收益序列的上尾和下尾都存在较高相关性,后验测试结果表明构建的模型能够对实际损失进行很好的拟合;然后在该模型的基础上进一步分析了我国沪深股市的风险价值和预期不足在不同置信区间的敏感度差异,确定了适合La-Copula-EVT模型的最优置信度区间。     

用VaR度量石油市场的极端风险

本文采用2001年11月到2005年6月国内原油价格的调度数据,运用基于GED分布的GARCH模型度量了国内油市的极端上涨和极端下跌时的VaR,得到如下两点结论：第一,国内油市存在ARCH in Mean 效应,表明收益与风险是正相关的,同时也意味着国内油市违背了有效市场假说,进一步的分析表明国内原油的定价机制和流通体制是造成市场非有效的主要原因;第二,上涨风险的平均水平要高于下跌风险的平均水平,这是石油市场供需双方的非对称市场地位决定的,石油生产者可以利用市场势力和上下游一体化的组织形式,将部分下跌风险转嫁给石油需求者,而石油需求者则缺少有效的措施来应对油价上涨.     

Nonparametric conditional autoregressive expectile model via neural network with applications to estimating financial risk

The parametric conditional autoregressive expectiles (CARE) models have been developed to estimate expectiles, which can be used to assess value at risk and expected shortfall. The challenge lies in parametric CARE modeling is the specification of a parametric form. To avoid any model misspecification, we propose a nonparametric CARE model via neural network. The nonparametric CARE model can be estimated by a classical gradient based nonlinear optimization algorithm, and the consistency of nonparametric conditional expectile estimators is established. We then apply the nonparametric CARE model to estimating value at risk and expected shortfall of six stock indices. Empirical results for the new model is competitive with those classical models and parametric CARE models. Copyright © 2016 John Wiley & Sons, Ltd.     

基于Copula和极值理论的在险价值度量

针对传统孤立使用GJR模型、极值理论、Copula理论进行风险分析的不足,把GJR模型、极值理论和Copula理论有机的结合起来,给出了基于Copula和极值理论的投资组合VaR的测度方法.首先利用GJR模型刻画单个资产收益率中的自相关和异方差现象,获得近似独立同分布的新息序列,再分别应用高斯核估计的方法、极值理论拟合新息序列的分布函数的内部和两尾,利用Copula函数有效捕抓了市场之间的波动溢出效应,最后使用Monte Carlo模拟法,计算出投资组合的VaR值.实证结果表明,基于Copula和极值理论的VaR度量方法比历史模拟法更有效.     

基于非参数分布的沪深股市VaR测度

沪深大盘指数的收益率分布函数并不服从通常人们所认为的正态分布.因此,采用一种新的方法—非参数核密度估计,对沪深股指收益率分布进行拟合.该方法不仅很好地刻画了收益率分布的尖峰和肥尾特征,而且由此建立的VaR模型比一般的基于参数分布的VaR模型更能捕捉市场的风险特征,结论也更加准确.     

市场风险值VaR的算法与应用

进行金融风险管理时可以将风险划分为四类，即信用风险、经营风险、流动性风险和市场风险。其中市场风险是指金融市场价格（包括股票价格、利率、汇率和大宗可交易商品的价格）波动而引起的未来收益的不确定性。市场风险值VaR(Value at Risk）就是用来评价给定资产所面临的市场风险大小。本文介绍了VaR的定义、相关的计算方法和在证券投资决策中的应用实例。     

基于扭曲混合Copula和ARMA-GARCH-t模型的投资组合风险分析——以上证综指、中证综合债和上证基金为例

利用扭曲混合Copula和ARMA-GARCH-t模型,对包含2015年股灾和2016年熔断期间的上证综指、中证综合债和上证基金的投资组合风险相关性进行建模分析。研究表明:扭曲混合Copula模型较混合Copula模型能更好地拟合各资产日收益率间的相关结构,尤其是"厚尾"特性。并运用蒙特卡罗模拟法计算各资产的风险价值、预期损失和中位数损失并讨论其差异性,以期为关注风险管理的人们提供更多借鉴。     

A New Robust Risk Measure: Quantile Shortfall

Among recent measures for risk management, value at risk (VaR) has been criticized because it is not coherent and expected shortfall (ES) has been criticized because it is not robust to outliers. Recently,[Math. Oper. Res., 38, 393-417 (2013)] proposed a risk measure called median shortfall (MS) which is distributional robust and easy to implement. In this paper, we propose a more generalized risk measure called quantile shortfall (QS) which includes MS as a special case. QS measures the conditional quantile loss of the tail risk and inherits the merits of MS. We construct an estimator of the QS and establish the asymptotic normality behavior of the estimator. Our simulation shows that the newly proposed measures compare favorably in robustness with other widely used measures such as ES and VaR.     

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。     

金融风险度量的建模理论与方法的一些进展及其应用

本文综述了金融风险度量的建模的理论和方法最近的发展。介绍了常用的矩度量和现代风险度量技术,包括在险价值VaR、预期不足ES和期望分位数Expectile等现代风险度量技术和方法,以及复杂风险因素下的非/半参数风险度量方法。违约概率和违约相关性是信用风险度量中的两个基本概念,本文还介绍了信用违约风险中违约概率和违约相关性的常用度量方法。最后,通过一些应用案例介绍如何在金融风险度量中应用现代风险度量技术度量和识别风险。     

基于鞍点逼近的投资组合极端风险贡献度测度

在当今金融市场资产价格高波动的背景下,度量投资组合中各资产对总体风险的风险贡献度对探析投资组合风险波动不定的深层次原因有重要意义。关于风险贡献度的测算,目前运用较广泛的是历史数据法,其主要适用于存在大量数据样本且持续期较短的情况。特别地,极端情况下的风险贡献度估计主要由处于分布尾部的少量观测值决定,因此历史数据法估计的准确性此时较难保证,为此,本文对鞍点逼近模型优化并考察上述情形。通过对中国股市进行实证分析发现,与传统历史数据法相比,鞍点逼近模型呈现下列优点:投资组合分布函数简洁、风险贡献度计算效率和准确性较高,压力测试表明该方法具有较好的稳健性。因此该方法有望对投资组合的风险预警与防范起到决策支持作用。