基于周期GARCH过程VaR的分位回归估计

近几年来,风险价值(VaR)已成为金融市场风险度量及风险管理的标准工具.文章用周期广义自回归条件异方差(GARCH)模型拟合金融市场数据,并应用分位回归方法得到此模型参数及条件VaR的估计,在一定条件下估计具有强相合性及渐近正态性,蒙特卡罗模拟结果表明此方法具有稳健性,且对于条件VaR的预测具有很高的准确性,沪深300指数的实证分析结果表明此方法关于VaR的预测具有非常好的效果.     

中国黄金期货市场波动特征及模型预测研究

选取上海期货交易所黄金期货价格指数日内10分钟高频收益数据,构造了经调整的已实现极差波动率估计序列,利用6类GARCH模型建模分析,描述了黄金期货价格指数的波动特征.运用多种损失函数比较了GARCH类模型样本外波动率预测精度的优劣,并在此基础上,采用一种渐进正态分布检验法评估了GARCH类模型的预测效果.结果显示,黄金期货已实现极差波动率估计序列具有尖峰厚尾、集聚性、持续性等特征.对于黄金期货市场,ACD-GARCH模型具有相对最好的波动率预测能力.     

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GARCH族类模型的开放式基金收益率风险分析

基于中国上证50ETF的单位净值,实证分析了国内开放式基金的风险,并在此基础上研究了分位数回归改良情况.选取GARCH族类模型中的GARCH,TARCH和EGARCH,在95%和99%置信水平下计算VaR值,失败率检验结果表明:三种模型在同一置信水平和分布下估计结果差不多,t分布高估风险,而正态分布在99%置信水平下低估风险,GED是最理想的分布.将分位数0.01和0.05回归前后的VaR值作分析比较,发现0.01分位数回归后对风险的估计过于保守不可信,而0.05分位数回归则可以有效改善t分布高估VaR值现象.最后,提出了完善基金市场风险管理的政策建议.     

基于参数模型的EVaR风险度量计算方法及实证研究

针对EVaR(Expectile-based Value at Risk)风险度量提出了基于GARCH类和SV波动率模型的EVaR风险度量计算方法,即EVaR计算的参数模型方法.并基于模拟学生t分布时间序列数据,给出EVaR样本外预测的失败率检验方法:Kupiec失败率检验和动态分位数(DQ)检验法.与采用CARE(Conditional Autoregressive Expectile)模型的EVaR计算方法进行了对比研究,结果表明基于GARCH类模型和SV模型相对于基于CARE模型有更优的EVaR预测效果.选取2004年1月5日到2009年12月30日的国内外五个股票市场指数数据,针对日对数收益率进行了EVaR风险度量的实证研究,得出在金融危机期间,基于参数模型的EVaR预测要比基于CARE模型的EVaR预测更接近市场实际风险.     

基于SGT分布的ES估计、后验分析及在沪深股市中应用

由于VaR可能低估尾部风险,巴塞尔委员会在第三次巴塞尔协议~([1])中建议将ES取代VaR作为主要的风险度量工具,因此,有必要提出更精确且稳健的ES估计模型。鉴于股票收益率序列通常同时呈现出尖峰、厚尾、偏斜等特征,为更全面地刻画这些特征,本文采用具有三个形状参数的广义偏t分布(Skewed Generalized T Distribution,SGT)刻画收益率序列的分布形状,该分布囊括了多种常见的主流分布,通过结合能够刻画收益率序列杠杆性的EGARCH模型来估计收益率序列的ES,然后使用Du和Escanciano~([2])最近提出的ES后验分析方法对其稳健性进行评估。在实证研究中,本文将该模型用于估计我国上证综指和深圳成指的日ES,结果表明,本文提出的EGARCH-SGT模型相比常见的基于偏t分布和学生t分布的EGARCH模型明显呈现出对收益率序列更好的拟合效果,且基于该模型估计的ES顺利通过了后验分析,表现出较好的稳健性。     

NGARCH模型在证券投资风险分析中的应用

应用NGARCH模型在三种分布假设下对上证综合指数进行了V aR风险值估计,并且与GARCH模型和APARCH模型估计结果作比较,通过返回检验,发现NGARCH模型应用于V aR估计是统计有效的,且优于GARCH和APARCH模型.     

基于随机矩阵理论决定多元GARCH模型最佳维度研究

基于随机矩阵理论(RMT)的降维技术能够通过去除噪声和只保留有用“信息”,而对相关矩阵估计中用来描述相关的主成分或因子的最佳使用数量做出确定.本文认为利用RMT对相关矩阵估计的降维操作来实现RMT对多元GARCH模型的有效降维是可能的.为说明基于RMT的降维技术用于多元GARCH模型的有效性,本文建立了两类将基于RMT的相关矩阵估计和波动率结合在一起的多元GARCH模型:滑动相关多元GARCH模型(SC-GARCH模型)和改进的O-GARCH模型(IO-GARCH模型).理论分析表明,这两类模型具有降维的相关结构,易于估计,并且利用RMT能确定出它们的理论最佳维度.实证研究中,本文建立了上海证券市场100只股票收益率的两类多元GARCH模型,并在马克维茨证券组合理论的框架下,考察了它们的协方差矩阵预测效果.结果表明这两类模型的预测效果很好.通过两类模型各个维度预测效果的比较可以看出.RMT能够为多元GARCH的降维提供有效的依据并且较准确地确定多元GARCH模型的最佳维度.理论和实证分析结果表明,基于RMT的降维技术是解决多元GARCH模型“维数灾祸”问题的有效手段.     

基于EGB2分布族的GAS-EGARCH模型与VaR预测

GARCH族模型是刻画资产收益率的常用工具,在风险度量领域具有广泛应用。为了更有效地描述收益率的偏斜厚尾等特征,越来越多学者对GARCH族模型的条件分布形式进行了研究。但是仅对GARCH模型条件分布进行修正是不够的,还需要对模型本身的函数形式进行修正。基于得分函数的时变参数建模思想近年来受到广泛关注,本文借助这一思想对EGARCH模型中对数标准差进行时变波动建模,并利用EGB2分布族作为模型的条件分布,进而建立GAS-EGARCH-EGB2模型。以我国10只中证行业指数为研究对象考察GAS-EGARCH-EGB2模型的风险预测效果,GAS-EGARCH-EGB2模型样本外VaR预测表现普遍优于ACM-EGARCH-EGB2模型。     

深证成指周收益率波动性的实证研究

利用GARCH模型,对深圳成分指数的周收益率波动性进行了实证研究。以深证成指周收盘数据建立了GARCH模型,利用估计出的GARCH模型得到深证成指周收益率序列的条件方差的估计值,预测出深证成指周收益率序列未来若干期的条件方差。结果表明,深证成指周收益率序列的波动性可以用GARCH模型进行很好的拟合。     

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。     

基于ARFIMA-HYGARCH-M-VaR模型的亚洲汇率市场均值和波动过程的双长期记忆性测度研究

作为金融传导机制的一个重要成分,汇率在金融危机的传播中发挥着重要作用.因此本文以亚洲汇率市场的汇率作为研究样本,通过引入skt分布来刻画残差的分布,构建了ARFIMA-HYGARCH-M-VaR模型来测度汇率风险值,并与skt分布下的GARCH及FIGARCH模型的VaR进行失败率回测检验与动态分位数测试.研究结果表明:在不同显著性水平下,skt分布下的各种模型基本都有较好的风险测度能力,且ARFIMA-HYGARCH-M模型的VaR风险测度更加精确与稳定.本研究为我国及亚洲其他国家汇率市场的风险测度与风险管理提供了一定的理论借鉴和方法基础.     

基于ARMA-GARCH-SN模型的沪深300股指期货日内波动率研究与预测

运用五个交易日的股指期货高频数据(每秒两笔),本文主要研究了沪深300股指期货日内波动率特征并对日内波动率预测。研究发现高频股指期货日内收益率有明显的波动率聚集和条件异方差现象,但无尖峰厚尾现象,收益率序列分布符合有偏正态分布。因此,我们对时间序列建立了最优的ARMA-GARCH-SN模型,并对模型拟合充分性做了验证,拟合结果发现ARMA(1,2)-GARCH(1,1)-SN模型基本能够刻画股指期货高频日内波动特征,条件方差所受的冲击具有很强的持续性、日内波动也具有长记忆性,最后我们还利用自助法对高频股指期货日内波动率两步预测、利用滚动回归预测方法对样本做了样本内预测。预测结果表明,波动率预测结果能够较好地反映股指期货日内波动特征。     

Estimating value at risk of portfolio by conditional copula-GARCH method

Copula functions represent a methodology that describes the dependence structure of a multi-dimension random variable and has become one of the most significant new tools to handle risk factors in finance, such as Value-at Risk (VaR), which is probably the most widely used risk measure in financial institutions. Combining copula and the forecast function of the GARCH model, this paper proposes a new method, called conditional copula-GARCH, to compute the VaR of portfolios. This work presents an application of the copula-GARCH model in the estimation of a portfolio’s VaR, composed of NASDAQ and TAIEX. The empirical results show that, compared with traditional methods, the copula model captures the VaR more successfully. In addition, the Student-t copula describes the dependence structure of the portfolio return series quite well.     

Robust portfolio selection with uncertain exit time using worst-case VaR strategy

To deal with the robust portfolio selection problem where only partial information on the exit time distribution and on the conditional distribution of portfolio return is available, we extend the worst-case VaR approach and formulate the corresponding problems as semi-definite programs. Moreover, we present some numerical results with real market data.     

基于推广多因子模型的资产动态配置研究——以上证A股为例

考虑投资者关于市场的观点,并用椭球分布替代正态分布作为资产收益和投资者观点分布导出推广的多因子模型(EMFM).采集2015年1月5日到2018年9月11日上证A股中分列于11个行业共828只股票的日收益率及其相关指标,采用5个系统风险因子,在3种常用风险指标下应用EMFM对该高数据进行动态建模并做资产配置分析.实证结果显示:从回溯期内的收益表现来看,使用自由度为3的多维t分布,一种特殊的椭球分布,即便合并简单的绝对观点的EMFM在SD风险指标下的组合都优于马科维兹组合的情形,同时也优于其使用VaR和CVaR的情形,且所有组合都优于上证指数的情形.     

A conditional-SGT-VaR approach with alternative GARCH models

This paper proposes a conditional technique for the estimation of VaR and expected shortfall measures based on the skewed generalized t (SGT) distribution. The estimation of the conditional mean and conditional variance of returns is based on ten popular variations of the GARCH model. The results indicate that the TS-GARCH and EGARCH models have the best overall performance. The remaining GARCH specifications, except in a few cases, produce acceptable results. An unconditional SGT-VaR performs well on an in-sample evaluation and fails the tests on an out-of-sample evaluation. The latter indicates the need to incorporate time-varying mean and volatility estimates in the computation of VaR and expected shortfall measures.     

基于三类模型的四大银行股票收益率预测研究

运用时间序列分析的预测方法,对四大银行的股票日对数收益率序列进行拟合与预测分析,分别构建ARMA模型、GARCH模型以及ARMA-GARCH组合模型,通过模型比较,实证分析表明:在拟合效果上,ARMA-GARCH模型的拟合优度优于ARMA模型和GARCH模型;在预测效果上,ARMA模型的预测效果最优,ARMA-GARCH模型次之.