基于Copula的VsR度量与事后检验

估计VaR的传统方法有三种:协方差矩阵法、历史模拟法和蒙特仁洛模拟法。通常,文献中认为刚蒙特卡洛模拟法度量VaR有很多方面的优点。但是,本文通过实证检验发现,使用传统蒙特卡洛模拟法估计的VaR偏小,事后检验效果很不理想。本文引入Copula函数来改进传统的蒙特卡洛模拟法。Copula函数能将单个边际分布和多元联合分布联系起来,能处理非正态的边际分布,并且它度量的相关性不再局限于线性相关性。实证检验表明,基于Copula的蒙特卡罗模拟法可以更加准确地度量资产组合的VaR。     

VaR理论及其在股市周末效应中的应用

本文首先讨论了VaR的教育处方法 ,然后通过实证分析沪市综合指数周一至周五的收益率分布 ,并分别利用历史模拟法、风险矩阵法、t分布法计算出周一至周五相应的VaR值 ,从而得出上海股市在“二、五”效应的结论 ,并发现利用VaR理论在我国的股票市场风险投资中可以很好的度量风险和规避风险 .     

商业银行中VaR估值方法的检验

VaR模型,作为商业银行风险管理的重要工具之一,能较为准确地测量资产组合在金融市场正常波动下的市场风险.然而,在实际应用中,VaR模型仍存在一些缺陷,例如,在极端市场情况下,VaR存在较大的估计误差.压力测试,作为VaR模型的一个补充,可以用来测量极端市场状况下的金融市场风险.回溯测试,则可以用来检验VaR模型的准确性.巴塞尔委员会也对VaR模型制定了最低使用标准,文章最后将对此予以简单介绍并对我国商业银行在模型实施上提出一些建议.     

基于SVt-EVT-Vine Copula的投资组合VaR研究

针对现有风险度量模型不能准确的模拟高维金融资产收益率风险,以上证指数、沪深300指数和股指期货指数为例,首先利用SVt和EVT对各序列的边缘分布进行建模,然后采用Vine Copula方法分析多序列之间的秩相关关系和极大似然值估计法估计参数,得到RVine,CVine和DVine三种不同树结构的分解模型,通过Monte Carlo模拟法计算出在同一边缘分布不同Vine Copula方法下和在不同边缘分布同一Vine Copula方法下单资产和投资组合的金融风险VaR.经实证检验并分析对比,VaR和返回式检验均表明SVt和EVT相结合对边缘分布有较好的拟合效果,再运用RVine描述资产间的相依结构在度量投资组合金融风险方面更准确合理.     

小波理论在VaR计算中的应用

本文根据小波理论研究金融市场中的资产组合收益的概率密度函数的估计问题 ,进而讨论金融市场风险的重要度量———VaR的计算问题 ,并给出相应结果 .     

度量尾部风险的剩余熵模型

本文研究了尾部风险的度量问题.首先从信息熵的角度给出累积剩余熵模型和其计算方法,并将该模型与标准差、VaR等常见尾部风险度量方法比较.结果证明该模型计算简单;不需要假设先验分布形式,而只依赖经验数据.     

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.     

基于下界VaR对沪深股市市场风险的实证研究

本文应用Luciano和Marena提出的计算资产组合VaR的上下界的方法,对沪深股市的市场风险做了实证研究,并与传统的正态VaR做了比较。实证分析表明,沪深股市的市场风险确实存在“厚尾”和“波动聚集”现象。本文对国内市场的波动聚集现象进行了详细分析．并讨论了风险控制模型的相关检验,下界VaR通过了两次模型检验。     

可转换债券风险测度的新方法——GAVaR模型

通过ARMAGARCH模型模拟出可转债收益率的分布,然后使用遗传算法的数据挖掘技术对此分布进行了有效的优化,结合Bootstrap算法将优化结果应用于VaR测度,得出了GAVaR模型下的风险值.对中国和台湾可转债市场进行实证研究,发现GAVaR模型压力测试和回顾测试的结果都优于历史模拟法等常用VaR模型,控制风险的能力适合可转债市场的需求.     

对数正态分布的VAR数学模型及其计算

VaR(Value at Risk)是一种以规范的统计技术来度量市场风险的新标准,目前在金融数学领域被广泛使用,它是指在正常的市场条件和给定的置信度下,在给定的持有期间内,测度某一投资组合所面临的最大的潜在损失的数学方法.传统的VaR计算方法在计算开放式基金时,可能存在着低估风险的情况.着重论述了VaR模型的数学原理以及该模型的计算方法,运用对数正态分布假设来评估开放式基金的风险,以验证其结果是否更加接近实际风险值.     

均值-VaR模型的一种新解法：鞍点近似、遗传算法

以均值度量收益,方差度量风险的均值.方差模型,广泛应用于资产组合优化.随着对金融风险度量方法研究的不断深入,VaR作为一种简便、易于理解的风险度量方法,在金融企业中得到日益广泛的应用.本文用VaR代替均值-方差模型中的方差,构建了均值-VaR模型应用干投资组合优化.均值-VaR模型是非线性规划,仅当VaR满足凸性和可微性的前提下,满足库恩-塔克条件的解才是全局最优解.本文在CreditRisk+框架下,提出一个在不允许卖空条件下,不需对VaR的性质做出前提假定的新解法:将鞍点近似法用于计算VaR,在资产头寸与VaR之间建立起函数关系,采用遗传算法寻找模型的近似最优解.并用一个债券组合说明该方法的有效性。     

基于广义双曲线分布的我国股票市场VaR风险度量研究

为更好刻画金融资产收益率偏态厚尾特性,提高VaR风险度量精度。本文首先提出利用广义双曲线(GH)分布对收益率数据进行建模型,从分布尾部特性角度对GH分布和其他常用分布进行了比较研究;其次利用EM算法来解决含有Bessel函数的GH分布的参数估计难问题,并运用随机模拟方法计算VaR值;最后讨论GH分布在我国股票市场VaR风险度量中的应用。     

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。     

应用极值理论计算VaR的一种方法

在险价值(value at risk，简称VaR)是度量市场风险的一种普遍使用的工具，也是金融风险管理中的基础工具。计算VaR有许多不同的方法，本考虑了数据间的相关性，通过部分重叠数据分组的方法来计算VaR，发现所得到的VaR更符合实际；另外，我们对分组大小作了研究，发现分组数据大小的幂律存在，并对恒生指数作了具体分析。由此得出计算VaR的合理的数据分组大小。     

Bayes混合模型在我国农业旱灾风险度量中的运用

旱灾一直是对我国农业经济生产威胁最大的灾害之一。因此,如何深度剖析旱灾风险特征,强化风险管理,科学、积极地进行防灾减灾来大幅度减轻灾害风险负担、弱化旱灾风险负面影响,有效助力经济平稳、快速发展一直是政府和学术界长期关注的焦点问题之一。本文借鉴金融风险度量的方法经验,用VaR作为旱灾风险度量工具。通过构建混合分布模型的方式来拟合旱灾损失率分布,并根据该模型估计VaR以刻画旱灾风险大小。混合分布模型由常规分布和GPD组成,其中,GPD用来刻画风险尾部特征。同时,该模型采用Bayes计算方法来回避GPD分布阈值选择和参数估计难题。结果表明:与Gamma-GPD混合分布相比,Norm-GPD混合分布模型在拟合农业旱灾损失率分布上表现更佳,其精度较高、VaR估计值更可信。Norm-GPD混合分布的VaR估计结果表明,我国在遭受10年一遇,20年一遇和100年一遇旱灾的情况下,农业旱灾损失率不超过9.45%, 11.03%和30.21%。该结果对于我国农业旱灾风险管理以及农业灾害保险、债券的定价具有重要意义。     

不同市态下正态性转换时变VaR

VaR技术作为全球广为流行的金融风险管理技术,其测度的是极端情况下的风险头寸,但在传统假设下可能会极大地低估其值,这就会使得在实践中使用VaR值作为风险管理标准时面临更大的新的风险.考虑我国股市处于不同市场态势下对风险头寸的影响,就牛、熊市中分别估测VaR值.首先利用各种Delta-Gamma-Johnson转换函数对经验数据进行正态性调整.考虑通过转换机制调整后的经验数据仍然存在的异方差性特征,然后运用GARCH模型计算时变VaR值,以此来改善VaR的计算风险,探讨我国股票市场VaR技术的适用性和准确性.     

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.     

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。     

股市投资回报过程的长相依性与风险度量

对上证指数对数收益率的长相依性进行了统计检验并完成了相应的统计建模以及参数估计.通过选择分数布朗运动作为刻画股票投资回报的驱动过程,并得到了此模型下股指收益的VaR计算的显式表达式.数值分析的结果显示分数布朗运动模型下的VaR值要高于Black-Scholes模型下的VaR值,这表明长相依性质对于股指风险有很大的影响,在相关的金融风险产品的风险度量中应加以重视.     

股票市场组合的市场风险度量研究——基于相关性模型

利用Copula的特点,灵活选择边缘分布模型、Copula函数和时变参数演化方程,构建16个相关性模型.在此基础上,通过蒙特卡罗模拟,采用VaR和ES度量资产组合的市场风险,并通过回测检验比较不同模型的风险度量效果.以沪深300指数和恒生指数为样本构建投资组合进行实证研究,结果表明,边缘分布模型、Copula时变参数演化方程和Copula函数的选择会影响风险度量的精度.在构建的16个相关性模型中,边缘分布为MSM-EVT,时变参数演化方程为GAS模型,Copula函数为Rotated Gumbel Copula的MSM-EVT-R-GAS模型风险度量效果最好.