应用复合极值理论计算VaR1

本文介绍了一种复合极值理论,并将其应用到VaR的计算上。实际中大的损失发生的频率也是风险的一种度量,在应用复合极值理论方法计算VaR时,我们第一次将在一定时期内金融资产的损失率超过一定阈值的次数的分布和收益率的分布结合了起来,对欧元/人民币、日元/人民币两种汇率进行了VaR的计算,经过实证分析,得到了一些有意义的结果。     

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.     

运用Student T-Copula的极值理论度量我国商业银行的操作风险

银行操作风险损失数据具有厚尾性,同时不同损失事件之间具有相关性.依据巴塞尔委员会对操作风险损失类型的界定,利用从公开渠道收集的我国商业银行内部欺诈和外部欺诈损失数据.运用基于Studentt-Copula的极值理论研究我国商业银行面临的操作风险,得出极值理论的POT模型能够有效地捕捉损失厚尾性,计算出的VaR比较准确,只是不同的损失数据对阈值的选取存在一定差异.进一步研究表明采用Studentt-Copula刻画两种损失事件之间的相关性,能够有效地降低VaR,降幅甚至高达40%以上.既可以为银行节省大量经济资本,有利于日常经营,又可以准确计提经济资本,有利于监管当局的监管.     

基于Bayes估计的金融风险值——VaR计算

初步研究了用Bayes估计计算金融风险值VaR,同时阐明了运用极值理论方法在Bayes估计下的金融风险值计算。并且借助统计计算方法——MCMC算法来求解参数的Bayes估计,有效的将Bayes思想融入到了VaR的计算中。用Bayes估计计算金融风险值VsR,可以帮助投资者将观测数据和自己所掌握的经验信息对VaR模型进行调整,使得vsR模型能够更准确地反映出金融市场的风险状况,据此做出更加正确的投资决策。     

基于极值统计和高维动态C藤Copula的股市行业集成风险计算

股市诸多行业风险之间存在着波动相依性,集成计量多维风险对投资决策意义重大。藤Copula是Copula函数高维化拓展的一个方向,其动态化是新的研究前沿。将极值理论的GPD模型和高维动态C藤Copula方法结合起来研究沪深300指数中地产、基建、银行和运输四个行业风险,能够有效描述尾部极值形态,突出关键变量的作用。再运用动态Pair-Copula分解,刻画高维行业风险变量间的动态关系,以仿真出动态集成风险变量VaR序列。VaR计算结果通过了回溯检验和稳定性测试,表明高维动态C藤Copula模型可以作为风险集成计量的一种新的有效方法。     

平稳序列BMM模型与沪深股市极端风险研究

基于VaR理论正态分布假设导致的尾部风险低估问题,研究了GEV分布下的BMM模型及区间关联下的极值VaR的建模,并实证分析了沪深股市极端风险.研究结果表明:BMM模型对金融风险的厚尾具有更合理的理论基础.然而,涨跌停板极大地抑制了沪深股市极值数据的异质性,形成"极值不极"现象,导致在较高置信度下BMM模型更为有效,而在较低置信度下反而存在低估问题,有效性尚不及VaR模型.     

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POT方法的商业银行操作风险极端值估计

对于商业银行而言,操作风险已经成为与市场风险和信用风险同样重要的风险。本文利用极值理论超越样本的估计能力,采用极值理论中对数据要求量较少,可以进行单步预测的超阈值(POT)方法对我国商业银行操作损失极端值分布进行估计,以均值超额函数图和拟合直线的交点确定阈值,估计出给定置信水平之下操作风险损失的分位数,从而使得国内商业银行操作风险监管资本的计算成为可能。     

债券组合的风险价值

风险的价值(VaR)越来越受到人们的关注，VaR的估计主要依赖于参数、数据、假设和方法。本提供了计算债券组合的VaR模型，并介绍了基准利率久期和凸度的概念。     

基于点过程的极值尾部估计研究

极值风险,即稀少或极端事件的发生给经济主体带来巨额损失的风险是风险管理的重中之重.极值理论为极端事件的统计建模和极值风险测度的计算提供了坚实的理论基础,通过介绍和比较传统极值事件的建模,然后基于点过程拓展了POT模型(POT-PP),并利用外汇市场的日数据分析了POT-PP的拟合效果.     

两极端值模型的比较和应用

极端值模型主要有分块样本极大值模型和阈顶点模型.从两模型极值分布的内在关系、尾部特征的角度作比较分析和证明.结果表明,它们的内在关系一致;随着形状参数的变化尾部各有不同特征,阈顶点模型更为具体和多样,更适合金融风险度量的应用.     

极值理论及其在巨灾再保险定价中的应用

巨灾损失中往往存在极端值,一般统计分布对其拟合效果欠佳,本文运用极值理论对极端值建模,基于分层定价的思想,在不同的起赔点下对再保险超额损失部分的定价进行了探讨,并以洪水损失数据为例进行了实证研究,拟合了POT模型,得到了洪水再保险纯保费。     

A Predictive Approach to Tail Probability Estimation

One of the issues contributing to the success of any extreme value modeling is the choice of the number of upper order statistics used for inference, or equivalently, the selection of an appropriate threshold. In this paper we propose a Bayesian predictive approach to the peaks over threshold method with the purpose of estimating extreme quantiles beyond the range of the data. In the peaks over threshold (POT) method, we assume that the threshold identifies a model with a specified prior probability, from a set of possible models. For each model, the predictive distribution of a future excess over the corresponding threshold is computed, as well as a conditional estimate for the corresponding tail probability. The unconditional tail probability for a given future extreme observation from the unknown distribution is then obtained as an average of the conditional tail estimates with weights given by the posterior probability of each model.     

基于POT方法的极值理论在基金净值预测中的应用

为对基金净值数据进行建模,根据基金净值样本数据的尾部特点,建立极大,极小值分布的GPD模型,运用POT方法确定临界值,进而对参数进行估计,并对模型进行检验.最后,运用建立的模型对一些极值点进行预测.所得结果很好地描述了数据特点,对极值点的预测符合实际.     

用POT方法估计损失分布尾部的效应分析

在再保险中,对高超额层选取及定价等问题的讨论有着重要意义,从而引出对如何选取好的统计模型来拟合大的观测值这一问题的讨论。针对这一问题,我们考虑了POT方法(peaks over thoreholdapproach),即根据极值理论(EVT),用模拟的方法对这一方法进行评价,指出了POT方法的若干优缺点陷。     

Peaks-over-threshold stability of multivariate generalized Pareto distributions

It is well-known that the univariate generalized Pareto distributions (GPD) are characterized by their peaks-over-threshold (POT) stability. We extend this result to multivariate GPDs.It is also shown that this POT stability is asymptotically shared by distributions which are in a certain neighborhood of a multivariate GPD. A multivariate extreme value distribution is a typical example.The usefulness of the results is demonstrated by various applications. We immediately obtain, for example, that the excess distribution of a linear portfolio with positive weights a_i, i≤d, is independent of the weights, if (U₁,…,U_d) follows a multivariate GPD with identical univariate polynomial or Pareto margins, which was established by Macke [On the distribution of linear combinations of multivariate EVD and GPD distributed random vectors with an application to the expected shortfall of portfolios, Diploma Thesis, University of Würzburg, 2004, (in German)] and Falk and Michel [Testing for tail independence in extreme value models. Ann. Inst. Statist. Math. 58 (2006) 261-290]. This implies, for instance, that the expected shortfall as a measure of risk fails in this case.     

Description of periodic extreme gibbs measures of some lattice models on the Cayley tree

The uniqueness of the translation-invariant extreme Gibbs measure for the antiferromagnetic Potts model with an external field and the existence of an uncountable number of extreme Gibbs measures for the Ising model with an external field on the Cayley tree are proved. The classes of normal subgroups of finite index of the Cayley tree group representation are constructed. The periodic extreme Gibbs measures, which are invariant with respect to subgroups of index 2, are constructed for the Ising model with zero external field. From these measures, the existence of an uncountable number of nonperiodic extreme Gibbs measures for the antiferromagnatic Ising model follows. Translated from Teoreticheskaya i Matematicheskaya Fizika, Vol. 111, No. 1, pp. 109–117, April, 1997.     

Extreme inaccuracies in Gaussian Bayesian networks

To evaluate the impact of model inaccuracies over the network’s output, after the evidence propagation, in a Gaussian Bayesian network, a sensitivity measure is introduced. This sensitivity measure is the Kullback-Leibler divergence and yields different expressions depending on the type of parameter to be perturbed, i.e. on the inaccurate parameter.In this work, the behavior of this sensitivity measure is studied when model inaccuracies are extreme, i.e. when extreme perturbations of the parameters can exist. Moreover, the sensitivity measure is evaluated for extreme situations of dependence between the main variables of the network and its behavior with extreme inaccuracies. This analysis is performed to find the effect of extreme uncertainty about the initial parameters of the model in a Gaussian Bayesian network and about extreme values of evidence. These ideas and procedures are illustrated with an example.     

基于混合模型对地震巨灾风险的分析

POT模型常被用于分析巨灾风险,然而在应用POT模型时,阀值的估计及选择存在很多困难。本文提出用混合模型对巨灾风险进行估计,并讨论混合模型的贝叶斯统计分析。基于混合模型及贝叶斯统计方法,本文对我国1966年至2014年问GDP调整后的地震直接经济损失进行分析,并根据最终模型计算出不同置信度水平下的VaR值和ES值,为我国地震巨灾风险管理提供了理论依据。