风险度量的贝叶斯估计及其统计分析

建立了贝叶斯模型,研究了在险价值及其相关风险度量的关系,给出了在险价值、期望短缺、尾条件期望、条件在险价值等风险度量的计算方法.进而研究了风险度量的贝叶斯估计和贝叶斯预测,并在指数风险模型中证明了估计的相合性和渐近正态性,最后利用数值模拟的方法验证了不同样本下估计的收敛速度.     

新型广义加权保费原理下风险保费的信度估计

本文研究了新型广义加权保费原理下风险保费的信度估计问题.利用了损失函数法,将新型广义加权保费原理定义为新型广义加权损失函数下风险的最优估计.在该损失函数下,把估计限定在经验估计的线性组合,根据均方误差最小原则得到风险保费的信度估计,并证明了信度估计的相合性,最后,在Esscher保费原理下对信度估计的相合性进行模拟验证,并在指数保费原理下与前人的结果进行了比较,结果发现已有的研究只是本文的一种特殊情况.     

ָ��-٤��ģ�������ռ�ֵ�����ı�Ҷ˹����

VaR风险度量在金融、保险中有重要的应用. 本文建立了贝叶斯模型, 在某种损失函数下研究了VaR风险度量的贝叶斯估计. 证明了指数-伽马分布下贝叶斯估计的强相合性和渐近正态性, 最后利用数值模拟的方法验证了不同样本容量下估计的收敛速度.     

矩相关保费原理中风险保费的经验厘定

在传统的B¨uhlmann信度理论中,信度估计仅仅适合净保费原理,并且很难直接推广到更一般的保费原理中.本文根据随机变量的矩母函数定义一种统一的保费原理—矩相关保费原理,进而,将信度理论的思想运用于估计风险随机变量的矩母函数,给出矩相关保费原理中风险保费的经验厘定估计,并证明估计的统计性质.结果表明,在净保费原理和指数保费原理中,已有的信度估计是本文估计的特殊情形;在方差保费原理中,本文得到的估计要优于已有的信度估计.最后,通过数值模拟的方法验证新的信度估计的相合性和渐近正态性,并在小样本条件下比较本文估计与已有估计的均方误差.     

基于核估计下概率密度函数的信度模型

结合核估计和信度理论的思想,建立了密度函数的Bayes模型,将条件密度函数的估计限定在核函数的线性组合中,通过最小化期望积分平方损失函数,得到了密度函数的信度估计,并研究了估计的统计性质,讨论了窗宽的最优选择方法;进而基于密度函数的信度估计,得到了各种保费原理中风险保费的信度估计,并与传统的信度估计进行了比较.     

相依样本下半参数变系数期望分位数风险度量模型统计推断

本文在α-混合序列假设下,基于半参数变系数模型研究条件期望分位数风险价值(expectile-based value at risk, EVaR)的风险度量.此模型不仅考虑了风险因素的影响,还可以动态描述风险影响及交互效应.同时, EVaR比经典的风险在险价值(quantile-based value at risk, QVaR)具有更直观、更易于计算的良好性质,而且对于资产分布的尾部损失更加敏感,在度量极端风险情形下,相对于QVaR更为有效和方便.本文采用三阶段估计的方法,分别对变系数部分和常系数部分的参数进行估计,并且给出3个阶段中每个估计的相合性和渐近正态性.为了节省计算时间,提高计算效率,本文采用一步估计的算法,减少迭代所需的时间.由于时间序列样本是非独立样本,建立这些统计量的大样本性质时带来了更大的困难.有别于独立同分布的观察数据,本文利用大小块分割方法发展α-混合序列的极限理论,获得了基于金融时间序列数据建立的模型参数和非参数估计的统计渐近性质.在数值模拟中,本文给出3个模型假设下变系数曲线估计和常系数估计的结果,无论是估计的精确度还是估计的稳健性,模拟结果都表明本文所提出的估计方法有优良的性质.实例则展示了本文所提出模型在上证指数的实际应用.     

α-混合序列下期望损失ES的两步核估计

期望损失(Expected Shortfall,ES)是当今最流行的金融资产风险管理的工具之一,是一个理想的一致性风险度量.本文在α-混合序列具有幂衰减混合系数条件下,用两步核估计估算风险度量ES的值,第一步是在险价值(Value at Risk,VaR)的核估计,第二步是ES的核估计.得到ES的核估计量的Bahadur表示,以及均方误差和渐近正态性的收敛速度.     

失真风险保费的最优经验厘定

研究了贝叶斯模型中失真风险保费的经验厘定问题.通过引入分布函数的加权积分损失函数,利用信度理论的方法最小化期望损失得到分布函数的最优线性估计,进而得到失真风险保费的两个信度估计,并对信度估计的统计性质进行了比较.文章还讨论了失真函数和权重函数的选取问题,给出了结构参数的估计方法,证明了估计的无偏性和相合性.最后,利用数值模拟的方法验证了估计的收敛情况,并对不同失真函数下的收敛情况进行了比较.     

高频金融数据的高维积分波动率矩阵估计

高维积分波动率矩阵是资源配置和风险管理的重要统计量,对其估计是金融统计和风险度量中的热点和核心问题之一.本文在带有市场信息的微观结构噪声下,考虑了高频金融数据大量资产的积分波动率矩阵估计问题.在多资产价格观察不同步下,当资产数和样本量都趋向于无穷时,本文利用不重叠区间方法和稀疏性特征提出了高维积分波动率矩阵估计,证明了该估计量具有相合性,较在加性噪声下的估计具有更快的收敛速度,其收敛速度可以达到已存在高维积分波动率矩阵估计在无噪声下的最快收敛速度.对所提出的估计与现有的高维积分波动率矩阵估计进行模拟比较,结果表明本文提出的估计方法具有优良的性质.最后将提出的估计应用于上海证券指数数据的实证研究中.     

在险风险值估计方法的比较研究

金融数据呈现的厚尾性已达成共识。本文首先基于指数回归模型提出了一种厚尾分布的极值分位数估计方法,得到了在险风险值的估计公式。然后得到了上海上证指数、国债指数和企业债券指数的在险风险值的估计值,比较了他们的极值风险.     

熵损失函数下的信度模型

本文研究了信度模型问题.利用熵损失函数,获得了风险保费的信度估计和经验Bayes信度估计.所获结果是对现有风险保费信度估计和经验Bayes信度估计的一个补充.     

平衡指数损失函数下的信度保费

在经典的信度保费模型中,得到的信度保费估计均是考虑的是纯保费,然而在保险实务中,保险公司收取的保费不可能是纯保费,必须具有正的安全负荷.在平衡指数损失函数下,研究了多合同的信度保费模型.利用正交投影方法,得到了未来保费的信度估计.最后对估计进行了数值模拟.     

正相协下风险度量VaR样本分位数估计的渐近性质

本文研究了正相协严平稳样本下,风险度量VaR样本分位数估计的问题.利用其指数不等式和协方差不等式,获得了风险度量VaR的样本分位数估计的相合性和渐近正态性,并给出Bahadur表示.     

聚合风险模型下Esscher风险度量的估计及其大样本性质

Esscher度量是一种重要的风险度量,在金融风险管理、保险精算中有广泛的应用,然而大部分关于Esscher风险度量的文献均在个体风险模型下考虑的.本文建立了聚合风险模型下Esscher度量的估计模型,得到了相应的非参数估计,并证明了估计的强相合性和渐近正态性,最后,通过数值模拟的方法验证了估计的大样本性质.     

在险值与L~p-空间上的连续一致风险度量（英文）

本文研究了在险值和L~p-空间上的连续一致风险度量之间的关系.利用凸集分离定理和截尾逼近方法,获得了在险值可以用L~p-空间上的连续一致风险度量表示的结果,并且得到了L~p-空间上的表示定理的一种新的证明方法.它们分别是文献[2]的相关结论从L~∞-空间到L~p-空间上的推广和对Inoue~[4]做的一些补充证明.     

相依风险模型下风险保费的信度估计

建立了风险之间呈现某种特殊相依结构的信度模型.利用正交投影的方法,得到了相依风险模型下的Bühlmann信度保费和Bühlmann-Straub信度保费,并讨论了信度估计的统计性质.结论表明,在风险之间呈现相依结构时,信度预测是个体索赔均值,总索赔均值和聚合保费三者的加权和,从而推广了经典的信度理论.     

具有多合同的广义加权保费的信度估计(英文)

本文讨论了广义加权保费原理下的信度估计,并把结论推广到多合同模型.通过概率分布的变换,本文得到了多合同模型下广义加权保费的非齐次和齐次信度估计.并且讨论了这些估计的统计性质.最后,运用重抽样方法讨论了信度因子中未知结构参数的估计.数值模拟表明,非齐次信度估计能运用于保险实际.     

具有风险相依结构的平衡信度估计

在保险实务中,风险之间具有一定的相依结构.通过考虑保费的目标估计来对风险保费进行了研究,采用正交投影的方法求解了最优问题,在平衡损失函数下得到了风险等相关的齐次和非齐次信度估计.结果表明得到的信度估计具有经典信度模型的加权形式.     

股票收益率的次指数分布拟合

股票收益率等金融时间序列具有重尾特征,因而不适于用正态分布来描述,次指数分布族S是一类重尾分布族,能够很好的处理具有偏态、重尾特征的金融时间序列,本文对上证指数的收益率进行了次指数分布拟合,并给出了在险价值(VaR)的估计。     

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。